計算機(jī)視覺的應(yīng)用在人類的生活無處不在,目標(biāo)檢測和實(shí)例分割作為計算機(jī)視覺的重要研究方向,在智慧城市、無人駕駛等領(lǐng)域的作用越來越重要。傳統(tǒng)目標(biāo)檢測算法中,根據(jù)交并比（IOU）的大小判斷正負(fù)樣本,但一般設(shè)置比較低的IOU閾值會得到過多的噪聲樣本,使訓(xùn)練的檢測器識別能力偏低,進(jìn)而影響了整體的準(zhǔn)確率。設(shè)置高的IOU閡值又會過濾掉過多中等質(zhì)量的樣本,只保留少量的高質(zhì)量樣本,由于樣本量大量減少,進(jìn)而產(chǎn)生了過擬合的現(xiàn)象。同時推薦區(qū)域IOU閾值和訓(xùn)練器使用的IOU閾值相差較大會造成質(zhì)量不匹配的問題,也會導(dǎo)致最終訓(xùn)練出來的網(wǎng)絡(luò)檢測精度的損失。針對以上幾點(diǎn)問題,本文改進(jìn)了級聯(lián)卷積神經(jīng)網(wǎng)絡(luò),并添加掩膜分支來實(shí)現(xiàn)實(shí)例分割,本文研究內(nèi)容包括以下幾個部分:（1）由于較低的IOU會引入噪聲,降低檢測器的精度;較高的IOU會保留少數(shù)高質(zhì)量樣本,造成過擬合。本文針對這一問題,提出了一種基于級聯(lián)網(wǎng)絡(luò)的平行級聯(lián)檢測網(wǎng)絡(luò),它由一系列檢測器串并聯(lián)而成,每個檢測器設(shè)置遞增的IOU閾值,從而在每個階段都會得到一個更高質(zhì)量的樣本分布來訓(xùn)練下一級檢測器,并逐步重采樣減少過擬合。（2）本文針對推薦區(qū)域和檢測器的IOU閾值相差過大會引起質(zhì)量... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．?１卷積操作??

圖２．?２最大池化運(yùn)算??Ｆｉｇ．?２．２?Ｍａｘ?ｐｏｏｌｉｎｇ??

?大連海事大學(xué)碩士學(xué)位論文???１０?２?３??４?６?６?８?６?８??—＞??３?１１０?３?４??１２?２?４??圖２．?２最大池化運(yùn)算??Ｆｉｇ．?２．２?Ｍａｘ?ｐｏｏｌｉｎｇ??（４）歸一化：由于這些網(wǎng)絡(luò)中級聯(lián)的非線性操作，多層體系結(jié)構(gòu)是高度非線性的。??除了激活函數(shù)之外，標(biāo)準(zhǔn)化是另一個非線性處理模塊，在卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)中起著重要??的作用。ＣＮＮ中最常見的歸一化形式是局部響應(yīng)歸一化。歸一化是把所有數(shù)據(jù)變成０??到１或者－１到１之間的小數(shù)。主要是為了數(shù)據(jù)處理的方便，同時把數(shù)據(jù)映射到０到１??的范圍之內(nèi)也更加快速便捷，可以靠減去所有數(shù)據(jù)的均值再除以方差來實(shí)現(xiàn)。??（５）反卷積：反卷積也叫做轉(zhuǎn)置卷積。卷積的逆過程就是反卷但是通過反卷積??并不能獲得之前的原圖像。只能恢復(fù)卷積之前的圖像的大小，并可用于可視化卷積過程。??反卷積在語義分割和ＧＡＮ等領(lǐng)域有許多應(yīng)用。下圖展示一個反卷積的操作過程，反卷??積和卷積的操作過程十分相像，主要區(qū)別經(jīng)過反卷積得到圖片的尺寸會大于輸入圖片的??尺寸，通常是通過增加ｐａｄｄｉｎｇ操作來實(shí)現(xiàn)。??：會：：：：??乂，??圖２．?３反卷積操作??Ｆｉｇ．?２．３?Ｄｅｃｏｎｖｏｌｕｔｉｏｎ?ｏｐｅｒａｔｉｏｎ??－９?－??

【參考文獻(xiàn)】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)在目標(biāo)檢測中的應(yīng)用綜述[J]. 于進(jìn)勇,丁鵬程,王超.  計算機(jī)科學(xué). 2018(S2)
[2]深度卷積神經(jīng)網(wǎng)絡(luò)在目標(biāo)檢測中的研究進(jìn)展[J]. 姚群力,胡顯,雷宏.  計算機(jī)工程與應(yīng)用. 2018(17)
[3]深度卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展及其在計算機(jī)視覺領(lǐng)域的應(yīng)用[J]. 張順,龔怡宏,王進(jìn)軍.  計算機(jī)學(xué)報. 2019(03)
[4]圖像物體分類與檢測算法綜述[J]. 黃凱奇,任偉強(qiáng),譚鐵牛.  計算機(jī)學(xué)報. 2014(06)
[5]一種基于相對熵閾值分割的改進(jìn)算法[J]. 胡勇,趙春霞,郭志波,程勇.  系統(tǒng)仿真學(xué)報. 2009(12)
[6]基于膚色和類Harr特征的人臉圖像的人眼檢測[J]. 陳勇飛,劉新明.  計算機(jī)工程與應(yīng)用. 2008(33)



本文編號：3117504