發(fā)布時(shí)間：2021-05-20 22:37

　　隨著人工智能技術(shù)的不斷進(jìn)步,目標(biāo)檢測技術(shù)得到迅猛發(fā)展,行人檢測技術(shù)作為目標(biāo)檢測的重要研究之一也得到飛速發(fā)展。自從深度學(xué)習(xí)進(jìn)入人們的視野,目標(biāo)檢測研究迎來了突破性進(jìn)展,一系列采用卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測算法應(yīng)運(yùn)而生。其中SSD（Single Shot MultiBox Detector）算法在實(shí)時(shí)高精度目標(biāo)檢測領(lǐng)域有較高的可行性。而在實(shí)際的行人檢測系統(tǒng)中,檢測性能容易受到遮擋、光照、復(fù)雜背景等因素的影響。對于交通攝像頭下行人檢測準(zhǔn)確率較差,小目標(biāo)行人的漏檢率較高的問題,對原SSD算法進(jìn)行改進(jìn)得到融合上下文信息的SSD-T行人檢測算法,可有效提高行人檢測的速度和準(zhǔn)確率。論文的主要研究內(nèi)容包括以下幾個(gè)方面:（1）對傳統(tǒng)的SSD算法進(jìn)行改進(jìn),具體研究了卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)與特性,在原SSD網(wǎng)絡(luò)基礎(chǔ)上將淺層特征信息與深層語義信息相融合,使SSD模型能夠彌補(bǔ)淺層特征信息的表達(dá)能力不足的問題,根據(jù)行人尺寸特征選取三種行人預(yù)選框尺度,提升行人特征提取能力,提高檢測性能。（2）針對網(wǎng)絡(luò)訓(xùn)練過程中出現(xiàn)的過擬合現(xiàn)象,通過引入L2正則化方法,反復(fù)實(shí)驗(yàn)選取最優(yōu)正則化系數(shù),對模型泛化能力進(jìn)行增強(qiáng),在網(wǎng)絡(luò)迭代訓(xùn)練過... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)行人檢測方法
        1.2.2 基于深度學(xué)習(xí)的行人檢測方法
    1.3 主要研究工作
    1.4 本文結(jié)構(gòu)安排
    1.5 本章小結(jié)
2 行人檢測技術(shù)基本理論
    2.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.1.1 卷積層
        2.1.2 池化層
        2.1.3 全連接層
        2.1.4 激活函數(shù)
    2.2 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練
        2.2.1 前向傳播
        2.2.2 反向傳播
        2.2.3 交并比和非極大值抑制算法
    2.3 反卷積神經(jīng)網(wǎng)絡(luò)
        2.3.1 反卷積過程
        2.3.2 反池化過程
    2.4 常用行人檢測算法
        2.4.1 基于區(qū)域建議的目標(biāo)檢測
        2.4.2 基于回歸的目標(biāo)檢測算法
    2.5 本章小結(jié)
3 SSD行人檢測方法研究
    3.1 SSD目標(biāo)檢測算法
        3.1.1 SSD網(wǎng)絡(luò)結(jié)構(gòu)
        3.1.2 SSD網(wǎng)絡(luò)訓(xùn)練
    3.2 基于上下文信息的SSD行人檢測算法
        3.2.1 改進(jìn)的SSD-T模型
        3.2.2 多尺度預(yù)選框設(shè)計(jì)
        3.2.3 訓(xùn)練步驟
    3.3 本章小結(jié)
4 實(shí)驗(yàn)結(jié)果與分析
    4.1 實(shí)驗(yàn)數(shù)據(jù)集
    4.2 實(shí)驗(yàn)環(huán)境
    4.3 SSD-T模型訓(xùn)練
    4.4 實(shí)驗(yàn)性能評估指標(biāo)
    4.5 結(jié)果分析
    4.6 本章小結(jié)
5 總結(jié)與展望
    5.1 論文工作總結(jié)
    5.2 研究展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間主要研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于候選區(qū)域列舉的紅外行人檢測研究[J]. 王小蕾.  淮北師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[2]激活函數(shù)在卷積神經(jīng)網(wǎng)絡(luò)中的對比研究[J]. 田娟,李英祥,李彤巖.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(07)
[3]基于深度學(xué)習(xí)的多視窗SSD目標(biāo)檢測方法[J]. 唐聰,凌永順,鄭科棟,楊星,鄭超,楊華,金偉.  紅外與激光工程. 2018(01)
[4]基于YOLO網(wǎng)絡(luò)的行人檢測方法[J]. 高宗,李少波,陳濟(jì)楠,李政杰.  計(jì)算機(jī)工程. 2018(05)
[5]行人檢測技術(shù)綜述[J]. 蘇松志,李紹滋,陳淑媛,蔡國榕,吳云東.  電子學(xué)報(bào). 2012(04)

博士論文
[1]基于計(jì)算機(jī)視覺的檢測方法與應(yīng)用研究[D]. 漆隨平.浙江大學(xué) 2005

碩士論文
[1]實(shí)時(shí)人臉識別系統(tǒng)的研究與實(shí)現(xiàn)[D]. 李鵬.華南理工大學(xué) 2017
[2]深度學(xué)習(xí)及其在工件缺陷自動(dòng)檢測中的應(yīng)用研究[D]. 顏偉鑫.華南理工大學(xué) 2016



本文編號：3198551