視頻是人們日常生活、工業(yè)生產以及安防領域的重要信息來源,視頻結構化是計算機視覺的重要研究領域之一。視頻結構化技術,就是打破視頻文件的空間與時間維度,將關鍵信息提取出來進行扁平化展示的技術;視頻結構化的過程,就是跨時間維度提取關鍵信息并歸類的過程。在嵌入式環(huán)境下實現(xiàn)初級的視頻結構化功能,可以在視頻采集端對視頻進行分析,篩選掉視頻中無分析價值的時段與內容,并將篩選出的關鍵信息回傳至后端服務器,與傳送原視頻相比,可以大大減少占用的網(wǎng)絡帶寬以及減輕后端服務器的運算與存儲壓力。近年來,隨著深度學習技術的迅猛發(fā)展,一大批基于深度卷積神經網(wǎng)絡的圖像識別、目標檢測、軌跡跟蹤、人臉識別等算法被提出,在檢測速度與準確率上相較于傳統(tǒng)的圖像處理算法有著巨大提升。同樣,隨著嵌入式設備與卷積神經網(wǎng)絡加速設備的快速發(fā)展,人們可以將在GPU(計算機圖形處理器Graphics Processing Unit,GPU)上訓練出的大型深度卷積神經網(wǎng)絡部署在低功耗嵌入式設備上,這使得在嵌入式平臺上部署視頻結構化系統(tǒng)成為了可能。本文首先分析了本系統(tǒng)所涉及深度學習相關基礎理論以及卷積神經網(wǎng)絡的構成,通過對比分析Alexnet、V...

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

圖２－１多層感知機?

山東大學碩士學位論文??神經網(wǎng)絡的概念在上個世紀五六十年代就已經被提出，又被稱為感知機。祌??經網(wǎng)絡的初始結構十分簡單，包括輸入層（Ｉ叩ｕｔ?ｌａｙｅｒ）、輸出層（Ｏｕｔｐｕｔ?ｌａｙｅｒ）和??一個隱含層（Ｈｉｄｄｅｎｌａｙｅｒ），它的結構過于簡單，并沒有復雜函數(shù)的擬合能力。隨....

圖２－２卷積運算原理示意圖??

山東大學碩士學位論文??神經網(wǎng)絡的概念在上個世紀五六十年代就已經被提出，又被稱為感知機。祌??經網(wǎng)絡的初始結構十分簡單，包括輸入層（Ｉ叩ｕｔ?ｌａｙｅｒ）、輸出層（Ｏｕｔｐｕｔ?ｌａｙｅｒ）和??一個隱含層（Ｈｉｄｄｅｎｌａｙｅｒ），它的結構過于簡單，并沒有復雜函數(shù)的擬合能力。隨....

圖２－３卷積層原理??

山東大學碩士學業(yè)論文??經網(wǎng)絡在圖像處理相關的問題時大受歡迎。??（１）輸入層功能??數(shù)字圖像在數(shù)學上可以解釋為多維矩陣。深度學習框架在訓練卷積神經網(wǎng)絡??時，也是以多維矩陣的形式來處理數(shù)據(jù)的。輸入層（ｉｎｐｕｔｌａｙｅｒ）往往位于卷積神??經網(wǎng)絡的第一層。在輸入為圖像時，輸入層....

圖２－４最大池化與平均池化原理??（４）激活函數(shù)層??

山東大學碩士學位論文??若輸入尺寸為ｉｎｐｕｔ＿ｓｉｚｅ，卷積核尺寸為ｋｅｍｅｌ＿ｓｉｚｅ，步長為ｓｔｒｉｄｅ，則卷積層??的輸出大小可表不為公式２－１：??ｏｕｔｐｕｔ?Ｓｉｚｅ?＝?＾?ｋｅｒｎｅｌ?ｓｉＺｅ＋２Ｖａａｉｎｇ＋１?⑴）??ｓｔｒｉｄｅ??在訓練完成后，濾波器中....

本文編號：4004675