目標(biāo)檢測作為當(dāng)下計算機視覺領(lǐng)域的研究熱點,也是計算機視覺領(lǐng)域中最重要最具挑戰(zhàn)性的基礎(chǔ)任務(wù)之一,其在自動駕駛、安防監(jiān)控、缺陷檢測等領(lǐng)域發(fā)揮著重要作用。近年來通過大量學(xué)者的理論研究,目標(biāo)檢測領(lǐng)域有著長足的進步。但在對小目標(biāo)物體的檢測、網(wǎng)絡(luò)對尺度變化的適應(yīng)性和網(wǎng)絡(luò)對特征的表達能力上還有一定的提升空間。針對上述問題,本文通過分析基于特征金字塔結(jié)構(gòu)的雙階段目標(biāo)檢測算法的基本原理,在特征提取網(wǎng)絡(luò)結(jié)構(gòu)和特征融合結(jié)構(gòu)上進行改進,提出一種對目標(biāo)尺度、場景變化和邊界形變具有強魯棒性的可變多尺度特征感知網(wǎng)絡(luò)Deformable Multiscale Feature Perception Network(DMFPN)。其中主要工作內(nèi)容如下:(1)可變多尺度特征感知網(wǎng)絡(luò)。針對小目標(biāo)問題和目標(biāo)檢測任務(wù)的基本要求,為后續(xù)檢測任務(wù)提供更高分辨率的特征圖,本文在ResNet50網(wǎng)絡(luò)基礎(chǔ)上進行改進,骨干網(wǎng)絡(luò)底層增加通道加空間注意力機制,網(wǎng)絡(luò)深層改進殘差瓶頸模塊結(jié)構(gòu)并減少整個網(wǎng)絡(luò)的池化次數(shù),增強細節(jié)信息并保證檢測任務(wù)在較高分辨率特征圖上進行。設(shè)計了一種可以提取并融合多尺度特征的可變多尺度特征融合模塊,對參加構(gòu)建特征金字塔結(jié)...

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于人工特征的傳統(tǒng)目標(biāo)檢測算法
        1.2.2 基于深度學(xué)習(xí)方法的目標(biāo)檢測算法
    1.3 論文研究內(nèi)容及章節(jié)安排
第2章 基于深度學(xué)習(xí)的目標(biāo)檢測算法理論基礎(chǔ)
    2.1 引言
    2.2 人工神經(jīng)網(wǎng)絡(luò)
        2.2.1 人工神經(jīng)元
        2.2.2 多層感知機
    2.3 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.1 卷積層
        2.3.2 池化層
        2.3.3 歸一化層
        2.3.4 非線性映射層
        2.3.5 全連接層
    2.4 殘差網(wǎng)絡(luò)
    2.5 快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)
    2.6 本章小結(jié)
第3章 引入細化多尺度深度特征的目標(biāo)檢測算法
    3.1 特征金字塔結(jié)構(gòu)
    3.2 基于殘差網(wǎng)絡(luò)的FPN算法結(jié)構(gòu)
    3.3 可變多尺度特征感知網(wǎng)絡(luò)算法框架
    3.4 特征提取網(wǎng)絡(luò)
    3.5 通道加空間壓縮激勵模塊
        3.5.1 通道壓縮激勵模塊
        3.5.2 空間壓縮激勵模塊
    3.6 可變多尺度特征融合模塊
        3.6.1 偏移采樣模塊
        3.6.2 特征融合模塊
    3.7 本章小結(jié)
第4章 基于雙向特征金字塔結(jié)構(gòu)的DMFPN算法
    4.1 雙向特征金字塔結(jié)構(gòu)
    4.2 注意力上采樣模塊
    4.3 BN-IN聯(lián)合歸一化
        4.3.1 批歸一化
        4.3.2 實例歸一化
        4.3.3 結(jié)合BN-IN聯(lián)合歸一化的殘差瓶頸模塊
    4.4 損失函數(shù)
    4.5 非極大值抑制
    4.6 本章小結(jié)
第5章 實驗與結(jié)果分析
    5.1 數(shù)據(jù)集介紹
    5.2 評價標(biāo)準(zhǔn)
    5.3 實驗細節(jié)說明
    5.4 實驗結(jié)果與分析
        5.4.1 訓(xùn)練損失及精度曲線對比
        5.4.2 客觀評價指標(biāo)對比
    5.5 主觀評價方法
    5.6 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝



本文編號：3848388