目標(biāo)檢測(cè)作為計(jì)算機(jī)視覺(jué)領(lǐng)域不可或缺的部分,其方法的研究一直被緊密關(guān)注。在傳統(tǒng)的方法中通過(guò)建立復(fù)雜的模型,根據(jù)圖像的紋理、光照等特征進(jìn)行定位和分類,存在泛化性差、計(jì)算量大等問(wèn)題,不適合對(duì)當(dāng)前大規(guī)模圖像的處理。卷積神經(jīng)網(wǎng)絡(luò)的崛起為目標(biāo)檢測(cè)提供了新的研究方法,通過(guò)使用卷積神經(jīng)網(wǎng)絡(luò)彌補(bǔ)了傳統(tǒng)方法的缺點(diǎn)。目前已有的基于卷積神經(jīng)網(wǎng)絡(luò)的單階段典型的目標(biāo)檢測(cè)算法有YOLO（You Only Look Once）算法和SSD（Single Shot Multibox Detector）算法。SSD算法在目標(biāo)檢測(cè)方面已經(jīng)取得了良好的結(jié)果,但仍然存在諸如對(duì)上下文信息的理解不足以及深層信息丟失等問(wèn)題,還需要更深層次的研究。視盤(pán)是醫(yī)生在診斷治療眼底疾病時(shí)必須詳細(xì)觀察的區(qū)域,研究眼底圖像中視盤(pán)的自動(dòng)檢測(cè)方法可以輔助醫(yī)生完成大量工作。在傳統(tǒng)的視盤(pán)檢測(cè)方法中,主要依靠視盤(pán)的特征比如形狀、亮度、血管走向等構(gòu)建出匹配特征的算法來(lái)檢測(cè)視盤(pán),這些方法由于人為因素影響較大,特征提取時(shí)間較長(zhǎng),且視盤(pán)定位效率低,因此不適合大批量、高效的視盤(pán)檢測(cè)。針對(duì)以上問(wèn)題,本文圍繞目前SSD算法存在的一些問(wèn)題以及典型目標(biāo)檢測(cè)算法在視盤(pán)上的應(yīng)用這... 

【文章來(lái)源】：西北師范大學(xué)甘肅省

【文章頁(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀分析
        1.2.1 目標(biāo)檢測(cè)研究現(xiàn)狀
        1.2.2 視盤(pán)檢測(cè)研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 目標(biāo)檢測(cè)的相關(guān)理論
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
    2.2 兩階段目標(biāo)檢測(cè)算法
    2.3 單階段目標(biāo)檢測(cè)算法
        2.3.1 YOLO算法
        2.3.2 SSD算法
    2.4 本章小結(jié)
第3章 CP-SSD算法-基于SSD算法的上下文感知目標(biāo)檢測(cè)
    3.1 CP-SSD算法原理
        3.1.1 擴(kuò)充卷積與感受野
        3.1.2 上下文信息感知模塊
        3.1.3 語(yǔ)義激活模塊
    3.2 實(shí)驗(yàn)分析
        3.2.1 數(shù)據(jù)集與數(shù)據(jù)增強(qiáng)
        3.2.2 實(shí)驗(yàn)參數(shù)設(shè)置
        3.2.3 實(shí)驗(yàn)結(jié)果分析
    3.3 檢測(cè)實(shí)例
    3.4 本章小結(jié)
第4章 YOLO算法與CP-SSD算法在視盤(pán)檢測(cè)上的應(yīng)用
    4.1 視盤(pán)數(shù)據(jù)集介紹
    4.2 YOLO算法在視盤(pán)檢測(cè)上的應(yīng)用
        4.2.1 YOLO算法模型
        4.2.2 YOLO算法在視盤(pán)上的檢測(cè)方法
        4.2.3 實(shí)驗(yàn)結(jié)果分析
    4.3 CP-SSD算法在視盤(pán)檢測(cè)上的應(yīng)用
        4.3.1 CP-SSD算法在視盤(pán)上的檢測(cè)方法
        4.3.2 CP-SSD實(shí)驗(yàn)結(jié)果分析
    4.4 YOLO算法與CP-SSD算法在視盤(pán)檢測(cè)上的對(duì)比
        4.4.1 評(píng)價(jià)指標(biāo)
        4.4.2 對(duì)比分析
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于YOLO算法的眼底圖像視盤(pán)定位方法[J]. 蔣蕓,彭婷婷,譚寧,侯金泉.  計(jì)算機(jī)工程與科學(xué). 2019(09)
[2]卷積神經(jīng)網(wǎng)絡(luò)在掌紋識(shí)別中的性能評(píng)估[J]. 王海綸,李書(shū)杰,賈偉,劉曉平.  中國(guó)圖象圖形學(xué)報(bào). 2019(08)
[3]基于Faster RCNN的行人檢測(cè)方法[J]. 張匯,杜煜,寧淑榮,張永華,楊碩,杜晨.  傳感器與微系統(tǒng). 2019(02)
[4]深度學(xué)習(xí)在目標(biāo)視覺(jué)檢測(cè)中的應(yīng)用進(jìn)展與展望[J]. 張慧,王坤峰,王飛躍.  自動(dòng)化學(xué)報(bào). 2017(08)
[5]糖尿病視網(wǎng)膜病變分級(jí)診療服務(wù)技術(shù)方案[J]. 王寧利,胡愛(ài)蓮,湯欣,徐國(guó)興,張青,楊曉慧.  中華全科醫(yī)師雜志. 2017 (08)
[6]視網(wǎng)膜圖像中視盤(pán)的快速自動(dòng)定位方法[J]. 趙曉芳,林土勝,李碧.  華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(02)



本文編號(hào)：3025321