本文關鍵詞：基于特征共享的高效物體檢測

  更多相關文章： 物體檢測 高效 特征共享 錨點

【摘要】：物體檢測,旨在定位并識別圖像中的物體,是計算機視覺的核心問題之一。盡管有長達數(shù)十年的研究歷史,但是在面對真實世界的復雜場景時,物體檢測系統(tǒng)的表現(xiàn)依然不盡如人意。作為兼具定位任務與識別任務的復雜系統(tǒng)問題,物體檢測始終在計算代價與模型能力的取舍中曲折前進。本文的核心貢獻在于尋找能從本質(zhì)上減少物體檢測計算復雜度,同時能增強檢測系統(tǒng)能力的方法。本文以基于特征共享的高效物體檢測為核心,提出了四種創(chuàng)新的算法。這些算法相互關聯(lián)、兩兩結(jié)合,被運用在兩個檢測任務上—其中一個是基于卷積神經(jīng)網(wǎng)絡的通用物體檢測,另一個是適用于移動設備的快速人臉檢測。本文創(chuàng)新地提出了基于空間金字塔池化的物體檢測框架。這個方法打破了不同子圖像識別需要完全獨立計算的壁壘,使得基于卷積神經(jīng)網(wǎng)絡的檢測器可以在多區(qū)域分類時實現(xiàn)特征共享,提高了檢測系統(tǒng)在進行子區(qū)域識別時的計算效率。于此同時,該框架使得卷積神經(jīng)網(wǎng)絡可以處理任意大小的圖像,為神經(jīng)網(wǎng)絡的應用提供了更多的可能性。廣泛的實驗證明該系統(tǒng)可以數(shù)十倍的提高檢測系統(tǒng)子區(qū)域識別部分的計算效率。在以上基于空間金字塔池化的物體檢測框架的基礎上,本文提出基于全卷積網(wǎng)絡的區(qū)域生成網(wǎng)絡。該網(wǎng)絡使用創(chuàng)新的錨點金字塔解決了多尺度/長寬比檢測的問題,實現(xiàn)了多尺度檢測的特征共享。將該網(wǎng)絡與物體檢測網(wǎng)絡共享特征進一步提高了整個檢測系統(tǒng)的效率。多個通用物體識別數(shù)據(jù)庫上的實驗證明,我們的系統(tǒng)對十檢測系統(tǒng)的性能有明顯的提升。更重要的是,我們的檢測系統(tǒng)作為首個實現(xiàn)近實時效率的神經(jīng)網(wǎng)絡通用物體檢測系統(tǒng),提高了通用物體檢測的研究效率以及實用價值。結(jié)合以上提出的兩種檢測算法,本文提出的通用物體檢測系統(tǒng)在顯著提高物體檢測性能的情況下,實現(xiàn)了超過200倍的加速�；谶@套檢測系統(tǒng),我們在世界上最著名的物體檢測競賽—ImageNet競賽中取得了2015年的冠軍。本文針對精確人臉定位—人臉對準任務提出了創(chuàng)新的局部二值特征以及相應的學習方法。該算法結(jié)合局部特征學習與全局共享特征回歸學習,顯著增強了人臉對準模型的性能和計算效率�；谶@種特征學習算法的人臉對準系統(tǒng)是目前最快的人臉對準系統(tǒng)。在個人計算機上,本文提出的人臉對準算法可以達到3000幀/秒的計算速度,在手機上也可以實現(xiàn)300幀/秒的計算速度。在以上所提出的二值特征的基礎上,本文提出了同時處理人臉檢測和對準的聯(lián)合算法框架。在這個框架中,本文通過在兩個任務之間共享所需特征,顯著提高了檢測精度,同時降低了總體的計算代價和內(nèi)存消耗。本文提出的這套人臉檢測系統(tǒng)是目前世界上最高效的人臉檢測系統(tǒng)之基于通用物體檢測和人臉檢測這兩個系統(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系統(tǒng)的計算復雜度,同時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系統(tǒng)會推動物體檢測相關領域研究與應用的發(fā)展。
【學位授予單位】：中國科學技術(shù)大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

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

2 王東琦,王長山,林延福;檢測SYN洪水攻擊的動態(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方法[J];計算機工程與應用;2011年20期

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

5 曹政;入侵檢測技術(shù),雞肋還是機會?——入侵檢測的幾個問題和解決途徑[J];網(wǎng)絡安全技術(shù)與應用;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方法[J];計算機工程;2012年14期

7 張小兵,葉新銘,石立新;入侵檢測中的告警分析研究[J];內(nèi)蒙古大學學報(自然科學版);2004年05期

8 蔣宗華;劉軍;;基于動態(tài)克隆選擇的入侵檢測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檢測方法研究[J];網(wǎng)絡新媒體技術(shù);2012年06期

10 黎利輝;;基于遺傳模擬退火算法的入侵檢測特征選擇研究[J];計算機安全;2010年07期

中國重要報紙全文數(shù)據(jù)庫 前1條

1 金婉霞 本報記者 王春;檢測H7N9 僅需兩小時[N];科技日報;2013年

中國博士學位論文全文數(shù)據(jù)庫 前10條

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

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

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

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

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

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

7 李戰(zhàn)春;入侵檢測中的機器學習方法及其應用研究[D];華中科技大學;2007年

8 李鴻彬;SIP網(wǎng)絡中入侵檢測與防御系統(tǒng)關鍵技術(shù)的研究[D];中國科學院研究生院（沈陽計算技術(shù)研究所）;2012年

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

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

中國碩士學位論文全文數(shù)據(jù)庫 前10條

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

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

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

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

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

6 梁宏志;特征分析在入侵檢測中的應用[D];電子科技大學;2007年

7 吳素芹;免疫Agent在入侵檢測中的應用研究[D];南京理工大學;2009年

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

9 肖柏旭;基于卷積網(wǎng)絡的人臉檢測的研究與實現(xiàn)[D];華北電力大學（河北）;2007年

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

，

本文編號：1272700