生物資源是人類賴以生存和發(fā)展的自然基礎(chǔ),是生態(tài)系統(tǒng)平衡與穩(wěn)定的有力保障。野生動(dòng)物資源是生物資源的重要組成部分,保護(hù)和合理利用野生動(dòng)物資源對(duì)可持續(xù)發(fā)展有著重要意義。然而,當(dāng)下對(duì)野生動(dòng)物的監(jiān)測(cè)保護(hù)是通過實(shí)地探查,或者使用昂貴的實(shí)時(shí)錄像機(jī)進(jìn)行不間斷的定點(diǎn)錄像,需要耗費(fèi)大量的人力物力,而基于視頻的野生動(dòng)物目標(biāo)檢測(cè)方法則能夠自動(dòng)的檢測(cè)出野生動(dòng)物的類別與所在位置,能夠增強(qiáng)對(duì)野生動(dòng)物的保護(hù)力度。在對(duì)野生動(dòng)物視頻進(jìn)行目標(biāo)檢測(cè)的過程中,受運(yùn)動(dòng)模糊、形變、光照以及遮擋等因素的影響,會(huì)降低目標(biāo)檢測(cè)的穩(wěn)定性與準(zhǔn)確率。目標(biāo)檢測(cè)遮擋問題的解決是提升目標(biāo)檢測(cè)穩(wěn)定性與準(zhǔn)確率的關(guān)鍵,因此我們將對(duì)視頻目標(biāo)檢測(cè)的遮擋問題進(jìn)行研究。針對(duì)視頻中野生動(dòng)物的遮擋問題,論文首先對(duì)基于深度學(xué)習(xí)的目標(biāo)檢測(cè)系列算法進(jìn)行了研究,然后對(duì)YOLOv3（You Only Look Once）目標(biāo)檢測(cè)算法進(jìn)行了深入的研究,以野生動(dòng)物視頻為研究對(duì)象,以視頻特有的時(shí)間序列關(guān)系為出發(fā)點(diǎn),在YOLOv3算法的基礎(chǔ)上,進(jìn)行了兩種算法改進(jìn)與實(shí)驗(yàn)。論文的主要內(nèi)容如下:（1）構(gòu)造了基于視頻的野生動(dòng)物目標(biāo)檢測(cè)數(shù)據(jù)集WVDDS（Wildlife Video Detec... 

【文章來源】：重慶理工大學(xué)重慶市

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1分類、定位與檢測(cè)

到目標(biāo)輪廓或局部區(qū)域，最終到整個(gè)目標(biāo)。其過程如圖 2.1 所示：圖 2.1 人腦視覺機(jī)理流程圖2.1.2 深度學(xué)習(xí)訓(xùn)練過程傳統(tǒng)神經(jīng)網(wǎng)絡(luò)采用反向傳播的方式進(jìn)行訓(xùn)練。通過隨機(jī)設(shè)定初始值，計(jì)算當(dāng)前網(wǎng)絡(luò)的輸出，然后根據(jù)當(dāng)前輸出和期望輸出的差值去改變前面各層的參數(shù)，直至收斂。

而下的有監(jiān)督學(xué)習(xí)是一個(gè)有監(jiān)督的訓(xùn)練過程，在通過自下而上的非絡(luò)各層參數(shù)的基礎(chǔ)上，通過有標(biāo)簽的數(shù)據(jù)進(jìn)行訓(xùn)練，由上至下對(duì)各。受野與權(quán)值共享統(tǒng)的神經(jīng)網(wǎng)絡(luò)中，輸入層到隱藏層的神經(jīng)元間采用全連接的方式。產(chǎn)生數(shù)量巨大的參數(shù)，使得網(wǎng)絡(luò)訓(xùn)練耗時(shí)甚至難以訓(xùn)練。為了避免網(wǎng)絡(luò)中出現(xiàn)了局部感受野與權(quán)重共享(Shared Weights)的概念。局部感受野野[38](receptive field)的來源于 Hubel 和 Wiesel 在 1958 年通過對(duì)貓究。一般情況下，我們認(rèn)為人對(duì)外界的認(rèn)知是從局部到全局的，圖是局部像素聯(lián)系較為緊密，而距離較遠(yuǎn)的像素聯(lián)系則較弱。因此，要去對(duì)全局像素進(jìn)行感知，而只需對(duì)局部像素進(jìn)行感知即可；然后這些感受得到的不同局部神經(jīng)元進(jìn)行綜合以得到全局信息，這樣則。全連接與局部感受野的示意圖如圖 2.2 所示：

【參考文獻(xiàn)】：
期刊論文
[1]新技術(shù)驅(qū)動(dòng)的自然語(yǔ)言處理進(jìn)展[J]. 王飛,陳立,易綿竹,譚新,張興華.  武漢大學(xué)學(xué)報(bào)(工學(xué)版). 2018(08)
[2]基于Dopout與ADAM優(yōu)化器的改進(jìn)CNN算法[J]. 楊觀賜,楊靜,李少波,胡建軍.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(07)
[3]基于深度學(xué)習(xí)的醫(yī)學(xué)計(jì)算機(jī)輔助檢測(cè)方法研究[J]. 陶攀,付忠良,朱鍇,王莉莉.  生物醫(yī)學(xué)工程學(xué)雜志. 2018(03)
[4]基于深度學(xué)習(xí)的圖像描述研究[J]. 楊楠,南琳,張丁一,庫(kù)濤.  紅外與激光工程. 2018(02)
[5]基于深度學(xué)習(xí)的肺部腫瘤檢測(cè)方法[J]. 陳強(qiáng)銳,謝世朋.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(04)
[6]基于深度卷積神經(jīng)網(wǎng)絡(luò)的道路場(chǎng)景理解[J]. 吳宗勝,傅衛(wèi)平,韓改寧.  計(jì)算機(jī)工程與應(yīng)用. 2017(22)
[7]交通監(jiān)控系統(tǒng)中視頻運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究[J]. 傅赟,王桂麗,周旭廷,侯學(xué)鵬.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(08)
[8]基于邊緣幀差和高斯混合模型的行人目標(biāo)檢測(cè)[J]. 蘇劍臣,李策,楊峰.  計(jì)算機(jī)應(yīng)用研究. 2018(04)
[9]深度學(xué)習(xí)在語(yǔ)音識(shí)別中的研究進(jìn)展綜述[J]. 侯一民,周慧瓊,王政一.  計(jì)算機(jī)應(yīng)用研究. 2017(08)
[10]面向自然語(yǔ)言處理的深度學(xué)習(xí)研究[J]. 奚雪峰,周國(guó)棟.  自動(dòng)化學(xué)報(bào). 2016(10)

博士論文
[1]基于特征共享的高效物體檢測(cè)[D]. 任少卿.中國(guó)科學(xué)技術(shù)大學(xué) 2016

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像分類方法研究[D]. 趙爽.中國(guó)地質(zhì)大學(xué)(北京) 2015



本文編號(hào)：3580804