目標(biāo)檢測是指如何讓機器正確檢測出特定物體的位置和類別信息,以便進行下一步的應(yīng)用。目標(biāo)檢測的應(yīng)用非常廣泛,如智能城市建設(shè),快遞分揀,遙感智能系統(tǒng),拍照翻譯等等。其中,四邊形和彎曲多邊形目標(biāo)檢測是該研究領(lǐng)域的一大難點。水平目標(biāo)檢測只需要輸出目標(biāo)的左上頂點和右下頂點的坐標(biāo),而四邊形和彎曲多邊形目標(biāo)檢測卻需要輸出目標(biāo)的多個頂點坐標(biāo),這極大地增加了其難度。在文本和遙感圖像目標(biāo)檢測中,使用水平框來標(biāo)注和檢測物體會引入較多的背景,難以得到目標(biāo)的準(zhǔn)確位置信息,所以在這些任務(wù)中,一般都需要以四邊形或者彎曲多邊形的形式輸出目標(biāo)的位置信息。因此,四邊形或者彎曲多邊形目標(biāo)檢測的研究對提高文本和遙感圖像目標(biāo)檢測的實用價值具有重要的意義。隨著深度學(xué)習(xí)的發(fā)展,深度學(xué)習(xí)方法也不斷地被應(yīng)用于多個領(lǐng)域,文本和遙感圖像目標(biāo)檢測領(lǐng)域也因此取得了較大的發(fā)展。但是,四邊形和彎曲多邊形的形狀和傾斜角度都會非常復(fù)雜,目標(biāo)的多個頂點間的相互關(guān)系也無法使用簡單的規(guī)律描述。這一定程度上限制了目標(biāo)檢測模型在四邊形和彎曲多邊形目標(biāo)檢測任務(wù)中的性能。針對四邊形或彎曲多邊形的特點,本文分別基于四邊形或彎曲多邊形三種主流表示方法在以往算法的基礎(chǔ)上做... 

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 目標(biāo)檢測簡介
    1.2 文本檢測研究現(xiàn)狀
    1.3 遙感目標(biāo)檢測研究現(xiàn)狀
    1.4 本論文的主要研究內(nèi)容
    1.5 主要標(biāo)準(zhǔn)數(shù)據(jù)庫
        1.5.1 DOTA數(shù)據(jù)集
        1.5.2 ICDAR2015數(shù)據(jù)集
        1.5.3 SCUT-CTW1500數(shù)據(jù)集
        1.5.4 ICPR-MTWI數(shù)據(jù)集
        1.5.5 MLT數(shù)據(jù)集
        1.5.6 RCTW-17數(shù)據(jù)集
    1.6 本文的組織結(jié)構(gòu)
第2章 基于局部滑動線條點回歸的目標(biāo)檢測
    2.1 基于局部滑動線條點回歸的模型框架
        2.1.1 系統(tǒng)框架和網(wǎng)絡(luò)參數(shù)設(shè)置
        2.1.2 局部滑動線條點回歸方法計算細(xì)節(jié)
        2.1.3 旋轉(zhuǎn)堆疊R-CNN
    2.2 實驗結(jié)果和分析
        2.2.1 遙感圖像目標(biāo)檢測實驗
        2.2.2 文本檢測實驗
    2.3 本章總結(jié)
第3章 基于可調(diào)整周期編碼的目標(biāo)檢測
    3.1 角度周期性帶來的問題與系統(tǒng)框架
    3.2 算法原理
        3.2.1 無錨點標(biāo)簽的生成
        3.2.2 可調(diào)整周期編碼的編碼和解碼
        3.2.3 長度無關(guān)交互比
        3.2.4 堆疊R-CNN
    3.3 實驗結(jié)果
        3.3.1 實驗配置
        3.3.2 消融實驗
        3.3.3 性能對比與錯誤分析
    3.4 本章總結(jié)
第4章 基于實例分割的目標(biāo)檢測
    4.1 基于實例分割的目標(biāo)檢測框架和流程
        4.1.1 系統(tǒng)流程和參數(shù)設(shè)置
        4.1.2 損失函數(shù)
        4.1.3 并行組合算法
    4.2 實驗結(jié)果
        4.2.1 實現(xiàn)配置
        4.2.2 實驗分析
    4.3 本章總結(jié)
第5章 總結(jié)
    5.1 本文主要研究工作
    5.2 未來的研究方向
參考文獻
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的研究成果



本文編號：3676891