基于改进的卷积神经网络和选择性检索的藏独旗帜检测算法研究

发布时间：2023-01-28 08:35

　　当今计算机和网络技术发展迅速,各种相关的科技应用越来越多的渗透到广大人民群众生活的方方面面,安全快速的信息传播极大地丰富人民群众的业余生活。各种社交网络和自媒体等成为人们获取信息消遣娱乐的重要手段。但一些不良的信息也越发猖獗的传播。藏独分子利用互联网信息传播渠道丰富、方便快捷的优势在网络上散步国家分裂的反动信息,影响社会稳定,危害网络空间安全。检测图片中的旗帜是本文的主要研究内容,在查阅国内外相关文献和实验室之前工作的基础上,改进了之前进行藏独旗帜检测的相关算法,意在提高效率,提升表现。主要工作:1、重新构建了一个藏独旗帜的图片数据集,其中包含有不同大小、部分遮挡、扭曲形变、不同光照条件下的旗帜;2、使用空洞卷积（Dilated Convolution）和深度方向可分离卷积（Depthwise Separable Convolution）改进了用于检测的卷积神经网络,同时沿用了之前的1x1卷积设计等要素;分析了不同的优化算法的收敛效果与网络的性能。3、利用选择性检索（Selective Search）进行图片区域的提名,减少计算量以期提高性能,提出一种基于NMS的改进的区域融合方法进行... 

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究状况
    1.3 本文组织结构
    1.4 本章小结
第二章 卷积神经网络相关理论研究
    2.1 卷积神经网络研究
        2.1.1 基本结构分析
        2.1.2 卷积神经网络的特点
    2.2 卷积神经网络的主要组件
        2.2.1 卷积层
        2.2.2 激活函数
        2.2.3 池化层
        2.2.4 网络输出
        2.2.5 损失函数和代价函数
    2.3 卷积神经网络正则化
    2.4 卷积神经网络优化器
    2.5 Keras深度学习框架以及CUDA和cuDNN
    2.6 本章小结
第三章 改进的网络模型设计
    3.1 藏独旗帜检测
        3.1.1 问题描述
        3.1.2 识别目标分析
        3.1.3 识别模型难点分析
    3.2 构建藏独旗帜数据集与交叉验证划分
        3.2.1 旗帜数据集构建
        3.2.2 交叉验证划分
    3.3 模型评估方法
        3.3.1 混淆矩阵
        3.3.2 ROC曲线与AUC值
    3.4 改进的卷积神经网络模型设计
        3.4.1 神经网络结构
        3.4.2 激活函数设计
        3.4.3 深度方向可分离卷积与空洞卷积
        3.4.4 损失函数和1×1卷积设计
        3.4.5 正则化设计
    3.5 实验结果与对比分析
        3.5.1 特征图可视化
        3.5.2 模型评估与结果对比分析
    3.6 本章小结
第四章 藏独旗帜检测算法设计及对比实验
    4.1 区域提名
    4.2 基于选择性检索藏独旗帜检测模型
    4.3 基于区域评分、区域重叠率的区域融合方法
    4.4 不同优化器的实验结果对比分析
        4.4.1 实验环境配置
        4.4.2 实验结果分析
    4.5 与历史方法对比分析
    4.6 本章小结
第五章 总结与展望
    5.1 总结
    5.2 未来工作
参考文献
在学期间的研究成果
致谢


【参考文献】：
期刊论文
[1]基于栈式自动编码的图像哈希算法[J]. 张春雨,韩立新,徐守晶.  电子测量技术. 2016(03)
[2]深度卷积神经网络在计算机视觉中的应用研究综述[J]. 卢宏涛,张秦川.  数据采集与处理. 2016(01)
[3]深度学习研究进展[J]. 郭丽丽,丁世飞.  计算机科学. 2015(05)
[4]联机手写数学公式中字符识别的研究与实现[J]. 张迎.  电脑编程技巧与维护. 2013(02)
[5]被动声纳目标识别系统设计研究[J]. 陈敬军,傅寅锋.  声学技术. 2012(02)

硕士论文
[1]基于卷积神经网络的藏独旗帜检测算法研究[D]. 郝琨.兰州大学 2018
[2]基于卷积神经网络的行人检测方法研究[D]. 刘键.哈尔滨工业大学 2017
[3]基于TensorFlow的卷积神经网络的应用研究[D]. 姜新猛.华中师范大学 2017
[4]基于分层深度学习的行人分类方法研究[D]. 丁文秀.合肥工业大学 2015



本文编号：3732430