本文關(guān)鍵詞：基于特征共享的高效物體檢測(cè)

  更多相關(guān)文章： 物體檢測(cè) 高效 特征共享 錨點(diǎn)

【摘要】：物體檢測(cè),旨在定位并識(shí)別圖像中的物體,是計(jì)算機(jī)視覺的核心問題之一。盡管有長(zhǎng)達(dá)數(shù)十年的研究歷史,但是在面對(duì)真實(shí)世界的復(fù)雜場(chǎng)景時(shí),物體檢測(cè)系統(tǒng)的表現(xiàn)依然不盡如人意。作為兼具定位任務(wù)與識(shí)別任務(wù)的復(fù)雜系統(tǒng)問題,物體檢測(cè)始終在計(jì)算代價(jià)與模型能力的取舍中曲折前進(jìn)。本文的核心貢獻(xiàn)在于尋找能從本質(zhì)上減少物體檢測(cè)計(jì)算復(fù)雜度,同時(shí)能增強(qiáng)檢測(cè)系統(tǒng)能力的方法。本文以基于特征共享的高效物體檢測(cè)為核心,提出了四種創(chuàng)新的算法。這些算法相互關(guān)聯(lián)、兩兩結(jié)合,被運(yùn)用在兩個(gè)檢測(cè)任務(wù)上—其中一個(gè)是基于卷積神經(jīng)網(wǎng)絡(luò)的通用物體檢測(cè),另一個(gè)是適用于移動(dòng)設(shè)備的快速人臉檢測(cè)。本文創(chuàng)新地提出了基于空間金字塔池化的物體檢測(cè)框架。這個(gè)方法打破了不同子圖像識(shí)別需要完全獨(dú)立計(jì)算的壁壘,使得基于卷積神經(jīng)網(wǎng)絡(luò)的檢測(cè)器可以在多區(qū)域分類時(shí)實(shí)現(xiàn)特征共享,提高了檢測(cè)系統(tǒng)在進(jìn)行子區(qū)域識(shí)別時(shí)的計(jì)算效率。于此同時(shí),該框架使得卷積神經(jīng)網(wǎng)絡(luò)可以處理任意大小的圖像,為神經(jīng)網(wǎng)絡(luò)的應(yīng)用提供了更多的可能性。廣泛的實(shí)驗(yàn)證明該系統(tǒng)可以數(shù)十倍的提高檢測(cè)系統(tǒng)子區(qū)域識(shí)別部分的計(jì)算效率。在以上基于空間金字塔池化的物體檢測(cè)框架的基礎(chǔ)上,本文提出基于全卷積網(wǎng)絡(luò)的區(qū)域生成網(wǎng)絡(luò)。該網(wǎng)絡(luò)使用創(chuàng)新的錨點(diǎn)金字塔解決了多尺度/長(zhǎng)寬比檢測(cè)的問題,實(shí)現(xiàn)了多尺度檢測(cè)的特征共享。將該網(wǎng)絡(luò)與物體檢測(cè)網(wǎng)絡(luò)共享特征進(jìn)一步提高了整個(gè)檢測(cè)系統(tǒng)的效率。多個(gè)通用物體識(shí)別數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)證明,我們的系統(tǒng)對(duì)十檢測(cè)系統(tǒng)的性能有明顯的提升。更重要的是,我們的檢測(cè)系統(tǒng)作為首個(gè)實(shí)現(xiàn)近實(shí)時(shí)效率的神經(jīng)網(wǎng)絡(luò)通用物體檢測(cè)系統(tǒng),提高了通用物體檢測(cè)的研究效率以及實(shí)用價(jià)值。結(jié)合以上提出的兩種檢測(cè)算法,本文提出的通用物體檢測(cè)系統(tǒng)在顯著提高物體檢測(cè)性能的情況下,實(shí)現(xiàn)了超過200倍的加速�；谶@套檢測(cè)系統(tǒng),我們?cè)谑澜缟献钪奈矬w檢測(cè)競(jìng)賽—ImageNet競(jìng)賽中取得了2015年的冠軍。本文針對(duì)精確人臉定位—人臉對(duì)準(zhǔn)任務(wù)提出了創(chuàng)新的局部二值特征以及相應(yīng)的學(xué)習(xí)方法。該算法結(jié)合局部特征學(xué)習(xí)與全局共享特征回歸學(xué)習(xí),顯著增強(qiáng)了人臉對(duì)準(zhǔn)模型的性能和計(jì)算效率�；谶@種特征學(xué)習(xí)算法的人臉對(duì)準(zhǔn)系統(tǒng)是目前最快的人臉對(duì)準(zhǔn)系統(tǒng)。在個(gè)人計(jì)算機(jī)上,本文提出的人臉對(duì)準(zhǔn)算法可以達(dá)到3000幀/秒的計(jì)算速度,在手機(jī)上也可以實(shí)現(xiàn)300幀/秒的計(jì)算速度。在以上所提出的二值特征的基礎(chǔ)上,本文提出了同時(shí)處理人臉檢測(cè)和對(duì)準(zhǔn)的聯(lián)合算法框架。在這個(gè)框架中,本文通過在兩個(gè)任務(wù)之間共享所需特征,顯著提高了檢測(cè)精度,同時(shí)降低了總體的計(jì)算代價(jià)和內(nèi)存消耗。本文提出的這套人臉檢測(cè)系統(tǒng)是目前世界上最高效的人臉檢測(cè)系統(tǒng)之基于通用物體檢測(cè)和人臉檢測(cè)這兩個(gè)系統(tǒng),本文分別提出了子圖分類器之間特征共享,以及分類器內(nèi)特征共享的策略。這些特征共享的策略與框架降低了檢測(cè)系統(tǒng)的計(jì)算復(fù)雜度,同時(shí)提高了模型的性能與泛化能力。我們相信,本文所提出的高效檢測(cè)系統(tǒng)會(huì)推動(dòng)物體檢測(cè)相關(guān)領(lǐng)域研究與應(yīng)用的發(fā)展。
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 饒鮮;楊紹全;魏青;董春曦;;基于熵的入侵檢測(cè)特征參數(shù)選擇[J];系統(tǒng)工程與電子技術(shù);2006年04期

2 王東琦,王長(zhǎng)山,林延福;檢測(cè)SYN洪水攻擊的動(dòng)態(tài)模型[J];現(xiàn)代電子技術(shù);2004年23期

3 周勇林;由林麟;張永錚;;基于命名及解析行為特征的異常域名檢測(cè)方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年20期

4 李彬,戴銀濤,胡昌振;Linux下一種入侵檢測(cè)特征提取及規(guī)則制定方法[J];計(jì)算機(jī)安全;2003年11期

5 曹政;入侵檢測(cè)技術(shù),雞肋還是機(jī)會(huì)?——入侵檢測(cè)的幾個(gè)問題和解決途徑[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2003年04期

6 孟磊;劉勝利;劉龍;陳嘉勇;孫海濤;;基于心跳行為分析的木馬快速檢測(cè)方法[J];計(jì)算機(jī)工程;2012年14期

7 張小兵,葉新銘,石立新;入侵檢測(cè)中的告警分析研究[J];內(nèi)蒙古大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年05期

8 蔣宗華;劉軍;;基于動(dòng)態(tài)克隆選擇的入侵檢測(cè)及其搜索核特征的研究[J];電腦與信息技術(shù);2006年06期

9 胡建康;徐震;馬多賀;楊婧;;基于決策樹的Webshell檢測(cè)方法研究[J];網(wǎng)絡(luò)新媒體技術(shù);2012年06期

10 黎利輝;;基于遺傳模擬退火算法的入侵檢測(cè)特征選擇研究[J];計(jì)算機(jī)安全;2010年07期

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 金婉霞 本報(bào)記者 王春;檢測(cè)H7N9 僅需兩小時(shí)[N];科技日?qǐng)?bào);2013年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 姜德迅;代碼壞味檢測(cè)方法研究及重構(gòu)分析[D];哈爾濱工業(yè)大學(xué);2014年

2 任少卿;基于特征共享的高效物體檢測(cè)[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

3 許舟軍;基于異常分析的入侵檢測(cè)關(guān)鍵技術(shù)研究[D];天津大學(xué);2006年

4 郁繼鋒;基于數(shù)據(jù)挖掘的Web應(yīng)用入侵異常檢測(cè)研究[D];華中科技大學(xué);2011年

5 任斐;基于數(shù)據(jù)挖掘的自適應(yīng)異常檢測(cè)研究[D];吉林大學(xué);2009年

6 滕少華;基于對(duì)象監(jiān)控的分布式協(xié)同入侵檢測(cè)[D];廣東工業(yè)大學(xué);2008年

7 李戰(zhàn)春;入侵檢測(cè)中的機(jī)器學(xué)習(xí)方法及其應(yīng)用研究[D];華中科技大學(xué);2007年

8 李鴻彬;SIP網(wǎng)絡(luò)中入侵檢測(cè)與防御系統(tǒng)關(guān)鍵技術(shù)的研究[D];中國(guó)科學(xué)院研究生院（沈陽(yáng)計(jì)算技術(shù)研究所）;2012年

9 劉長(zhǎng)龍;基于側(cè)信道分析的硬件木馬檢測(cè)技術(shù)研究[D];天津大學(xué);2013年

10 張福勇;面向惡意代碼檢測(cè)的人工免疫算法研究[D];華南理工大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 胥小馬;使用多特征和多線索的駕駛員人臉檢測(cè)技術(shù)[D];北京理工大學(xué);2015年

2 李先飛;基于外貌特征的行人檢測(cè)方法研究與軟件實(shí)現(xiàn)[D];電子科技大學(xué);2014年

3 郝建波;微博突發(fā)話題檢測(cè)、跟蹤與傳播預(yù)測(cè)技術(shù)研究[D];哈爾濱工程大學(xué);2013年

4 李娜娜;基于免疫的層次異常檢測(cè)研究[D];河北工業(yè)大學(xué);2005年

5 錢昱;數(shù)據(jù)挖掘在入侵檢測(cè)中的應(yīng)用研究[D];安徽大學(xué);2004年

6 梁宏志;特征分析在入侵檢測(cè)中的應(yīng)用[D];電子科技大學(xué);2007年

7 吳素芹;免疫Agent在入侵檢測(cè)中的應(yīng)用研究[D];南京理工大學(xué);2009年

8 馮月姣;基于頻率分析的網(wǎng)絡(luò)流量異常檢測(cè)方法研究[D];吉林大學(xué);2011年

9 肖柏旭;基于卷積網(wǎng)絡(luò)的人臉檢測(cè)的研究與實(shí)現(xiàn)[D];華北電力大學(xué)（河北）;2007年

10 魏瓏;基于ARM的T波交替檢測(cè)技術(shù)[D];山東師范大學(xué);2008年

，

本文編號(hào)：1272700