基于上下文和空间注意力的SSD车辆检测研究
【学位授予单位】:湘潭大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:TP391.41;U495
【图文】:
运算的前向神经网络,是推进深度学习领域快速发展的代表算法之一,目前已被有效地应用在图像识别和分类等领域。在图像识别和分类领域其重要的本质是进行特征提取,而车辆检测的关键步骤之一是特征提取,所以卷积神经网络的出现为特征提取提供了有效的解决方式。1990 年 LeCun 等人提出经典卷积神经网络LeNet-5 并将其应用于手写字符分类,推动了深度学习的发展,之后研究人员陆续提出了多种经典网络模型如 AlexNet[16]、ZFNet[33]、GoogLeNet[34]、VGG-Net[35]等。CNN 的基本模块包括:卷积层、池化层和全连接层。卷积层的作用主要是利用权重共享进行特征提取,具体地,对于二维图像来说,卷积运算提取特征的本质是用一系列含不同权重的卷积核与待提取的数据进行卷积运算输出多张局部特征图;池化层的作用主要是进行特征压缩,提取主要特征,减少参数以简化网络训练计算复杂度,并且能够在一定程度上防止出现过拟合,常用的池化方法有随机池化、最大值池化及均值池化等;全连接层的作用主要是对输出特征向量进行分类。下面简要介绍经典的 LeNet-5。
图 2.3 四种常用的激活函数如图 2.3 所示,对于 Sigmoid 激活函数,其公式分别如下:( )1=1+exf x 式(2-2)在早期的神经网络中,Sigmoid 是使用范围很广的一类激活函数,其具备指数函数的几何形状,并且函数连续、光滑、严格单调,以坐标点( 0,0.5 )中心对称,是一个较好的非线性阈值函数,用它作激活函数优势明显,但是不足之处在于其属于饱和激活函数,在深度神经网络中容易出现梯度消失的情况,即利用反向传播学习网络时梯度会逐层衰减直至梯度趋近于 0,最终使得网络难以训练。对于 Tanh 激活函数,其公式如下:tanh( )x xx xe exe e =+式(2-3)Tanh 也是一种常见的激活函数,与 Sigmoid 相比,其优点在于输出均值为
为了找到该车辆的最佳边界框,需要利用非极大值抑制算法获得最终检测结果。假设待检测图像中存在 M 辆车,则第 i 辆车对应的边界框的数量记为( 0)iN ≤ i ≤ M,具体的算法步骤描述如下:1、将第i辆车对应的iN 个候选边界框按置信度进行排序,记置信度最高的边界框为 m;2、取iN 中除 m 外的所有边界框分别与 m 进行 IOU 交并比计算;3、上述计算结果中若 IOU 高于设定阈值,则认为此框与 m 重叠,予以删除;4、返回第一步,对下一辆车进行同样的处理;5、循环至 M 辆车均处理完毕;6、最后剩下的边界框即为最终的检测结果。其中,设定合适的 IOU 阈值非常重要,阈值设定过低会导致目标的漏检,阈值设定过高会对同一车辆产生多个检测边界框。非极大值抑制算法的分步示意图如图 2.5 所示:
【相似文献】
相关期刊论文 前10条
1 孙志阳;;浅析智能交通中的车辆检测技术及发展[J];居舍;2017年32期
2 张辉;;基于HOG-GentleBoost的车辆检测方法[J];计算机时代;2018年06期
3 Wikipedia;钱仲兴;;世界各国的车辆检测[J];汽车与安全;2012年12期
4 田晓霞;王家硕;王会朴;;有限状态机在夜间车辆检测上的应用[J];石家庄铁道大学学报(自然科学版);2016年04期
5 蔡英凤;刘泽;孙晓强;陈龙;王海;;基于双车辆可变形部件模型的车辆检测方法[J];汽车工程;2017年06期
6 刘东伟;;基于双车辆可变形部件模型的车辆检测方法研究[J];南方农机;2017年20期
7 曹晓娟;;智能交通系统中车辆检测方法的研究[J];信息化建设;2015年12期
8 许柏平;周舟平;;手机在车辆检测中的应用[J];汽车维护与修理;2013年05期
9 王建强;王履程;;基于机器视觉的隧道车辆检测系统设计与实现[J];自动化与仪器仪表;2015年09期
10 董茜;游宇;;重庆机动车强检“第一现场”[J];今日重庆;2017年06期
相关会议论文 前10条
1 孟超超;鲍泓;;车辆检测研究综述[A];中国计算机用户协会网络应用分会2018年第二十二届网络新技术与应用年会论文集[C];2018年
2 王忠耀;任青春;王少华;郭春生;;基于红外视频的车载行人车辆检测系统[A];浙江省电子学会2013学术年会论文集[C];2013年
3 李舜酩;缪小冬;;视觉车辆检测方法的研究进展及展望[A];2009全国虚拟仪器大会论文集(二)[C];2009年
4 李鹏飞;赵玺;刘兵;邹永锋;;复杂路况的移动车辆检测与跟踪方法[A];2018中国汽车工程学会年会论文集[C];2018年
5 吴园;黎宁;刘苗苗;;一种基于快速水平集方法的运动车辆检测[A];第十三届全国图象图形学学术会议论文集[C];2006年
6 邹月娴;王一言;关佩;杨华;陈维荣;;复杂视频背景中的运动车辆检测技术[A];第四届和谐人机环境联合学术会议论文集[C];2008年
7 吴嵘;何培宇;徐自励;段文锋;刘珂含;;一种去背景的车辆检测与跟踪快速算法[A];第十三届全国信号处理学术年会(CCSP-2007)论文集[C];2007年
8 张有节;蔡晓禹;彭博;李少博;;基于无人机视频的车辆检测与评价指标研究[A];2017年中国城市交通规划年会论文集[C];2017年
9 高文宝;沙海云;周欣荣;柴干;;高速公路车辆检测技术组合应用研究[A];第一届中国智能交通年会论文集[C];2005年
10 魏东;刘毅;钱俊彦;;桂林机动车远程审验系统[A];广西计算机学会2012年学术年会论文集[C];2012年
相关重要报纸文章 前10条
1 重庆商报-上游新闻记者 严薇;全国首个国家质检基地初具规模 “超级”一体化车辆检测基地将投用[N];重庆商报;2019年
2 记者 肖剑雄;大小车辆检测费均降20元[N];东莞日报;2017年
3 记者 幸笑薇;市人大代表开展“最多跑一次”调研[N];舟山日报;2017年
4 练洪洋;车辆检测 兴利除弊方能有效可靠[N];广州日报;2015年
5 张奇 李小洁;车辆检测,为何招来怨声一片[N];检察日报;2002年
6 记者 杨耀青;车辆检测更加公正透明[N];西安日报;2011年
7 郑利平;湖州车辆检测科研项目通过鉴定[N];中国交通报;2004年
8 苏菲;防控疫情,你当自律![N];黑龙江日报;2020年
9 记者 郭亮廷;认真安排部署 保障春节安全[N];郴州日报;2019年
10 通讯员 李金华;铜川政协 提案破解车辆检测难[N];各界导报;2015年
相关博士学位论文 前10条
1 罗志明;基于卷积神经网络的交通密度估计及车辆检测方法研究[D];厦门大学;2017年
2 蔡磊;部件检测方法及其在车辆目标检测中的应用[D];西北工业大学;2017年
3 颜卓;基于深层卷积神经网络的车辆检测及属性分析方法研究[D];中国科学院大学(中国科学院重庆绿色智能技术研究院);2018年
4 宋俊芳;基于图像逆投影3D重建的车辆检测关键技术研究[D];长安大学;2018年
5 张伟;基于视觉的运动车辆检测与跟踪[D];上海交通大学;2007年
6 王曾敏;小波图像融合算法及其在视频车辆检测系统中的应用研究[D];天津大学;2009年
7 谌彤童;基于三维激光雷达的动态车辆检测与跟踪[D];国防科学技术大学;2016年
8 徐琨;交通视频监控中的车辆检测与跟踪方法研究[D];长安大学;2009年
9 许洁琼;基于视频图像处理的车辆检测与跟踪方法研究[D];中国海洋大学;2012年
10 严捷丰;交通视频监控中的车辆检测与分割方法研究[D];中国科学技术大学;2008年
相关硕士学位论文 前10条
1 彭Ya明;基于上下文和空间注意力的SSD车辆检测研究[D];湘潭大学;2019年
2 王明亮;基于图像和激光雷达融合的车辆检测研究[D];重庆邮电大学;2019年
3 李X;面向辅助驾驶的全天候灯语识别技术研究[D];南京航空航天大学;2019年
4 陶晓力;基于深度特征的航拍车辆检测[D];南京航空航天大学;2019年
5 许匡正;基于异构计算的车辆检测与跟踪研究[D];西安电子科技大学;2019年
6 程文雄;基于多尺度并行网络的抗遮挡车辆检测[D];西安电子科技大学;2019年
7 顾夫挺;基于多传感器的车辆检测方法及其可靠性分析[D];浙江工业大学;2019年
8 宋姚烨;复杂交通环境下的车辆检测算法研究[D];江苏大学;2019年
9 李凤;基于电感式磁传感器的停车位车辆检测系统设计与实现[D];华中师范大学;2019年
10 黄皓宇;基于Mask R-CNN的街景车辆目标的检测方法研究与应用[D];华中师范大学;2019年
本文编号:2786769
本文链接:https://www.wllwen.com/kejilunwen/daoluqiaoliang/2786769.html