多尺度特征图融合的目标检测研究

发布时间：2021-02-18 07:39

　　自然场景图像中,特征提取的质量是决定目标检测性能的关键因素。目前,大多数检测算法都是利用卷积神经网络的学习能力来获得目标的先验知识,并根据这些知识进行目标检测。卷积神经网络的低层次特征具有高分辨率、低抽象语义、位置信息少的特点,缺乏特征的代表性;高层次的特征具有高识别性、低分辨率的特点,检测小尺度目标能力不足。本文以卷积神经网络为基础,提出一种多尺度特征图融合的目标检测方法。首先,利用原始SSD（Single Shot MultiBox Detector）网络提取特征图,通过1?1卷积层将提取的特征图统一为256维;其次,通过反卷积操作增加自顶向下特征图的空间分辨率;然后,通过对应元素相加操作,将两个方向的特征图进行融合。将融合后的特征图采用3?3的卷积核进行卷积操作,减小特征图融合后的混叠效应。根据以上步骤构建具有较强语义信息的特征图,同时保留原有特征图的细节信息。最后,通过预测框选定聚合目标,利用非极大抑制（NMS,Non-Maximum Suppresion）算法实现最终检测。通过PASCAL VOC 2007和PASCAL VOC 2012数据集的实验测试结果表明,本文方法的m... 

【文章来源】：辽宁工程技术大学辽宁省

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

生物神经元结构

辽宁工程技术大学硕士学位论文82.1.1神经元模型和网络结构神经元模型生物模型生物模型为基础，是一种可以接收数据输入并执行特定计算和输出的模型。图2.2神经元模型Figure2.2Neuronmodel神经元模型由输入、激活函数和累加器构成，如图2.2所示。输入由多个输入和一个偏置项组成，累加器为输入和偏置相加的结果，激活函数非线性地计算前一个累加器的结果。计算公式如下：=(1×1+2×2++×+)（2.1）其中，1，2，，称为权重，b称为偏置。人工神经网络中，输入层，中间层及输出层三部分顺序连接。图2.3三层神经网络模型Figure2.3Three-layerneuralnetworkmodel如图2.3所示，圆圈表示神经元的节点结构，神经元之间的连接用箭头表示。第一层是用于接收原始数据的输入层。第二层是用于连接输入和输出层的隐藏层。第三层是输出人工神经网络的计算结果的输出层。人工神经网络可以包含多个隐藏层，人工神经网络的层数越多，其表达能力会越强。

辽宁工程技术大学硕士学位论文82.1.1神经元模型和网络结构神经元模型生物模型生物模型为基础，是一种可以接收数据输入并执行特定计算和输出的模型。图2.2神经元模型Figure2.2Neuronmodel神经元模型由输入、激活函数和累加器构成，如图2.2所示。输入由多个输入和一个偏置项组成，累加器为输入和偏置相加的结果，激活函数非线性地计算前一个累加器的结果。计算公式如下：=(1×1+2×2++×+)（2.1）其中，1，2，，称为权重，b称为偏置。人工神经网络中，输入层，中间层及输出层三部分顺序连接。图2.3三层神经网络模型Figure2.3Three-layerneuralnetworkmodel如图2.3所示，圆圈表示神经元的节点结构，神经元之间的连接用箭头表示。第一层是用于接收原始数据的输入层。第二层是用于连接输入和输出层的隐藏层。第三层是输出人工神经网络的计算结果的输出层。人工神经网络可以包含多个隐藏层，人工神经网络的层数越多，其表达能力会越强。

【参考文献】：
期刊论文
[1]汉语篇章理解研究综述[J]. 孔芳,王红玲,周国栋.  软件学报. 2019(07)
[2]基于机器视觉的深沟球轴承滚珠遗漏检测[J]. 郝勇,赵翔,温钦华,商庆园,陈斌.  激光与光电子学进展. 2018(02)
[3]深度学习在无人驾驶汽车领域应用的研究进展[J]. 王科俊,赵彦东,邢向磊.  智能系统学报. 2018(01)
[4]适用于移动互联网的门限群签名方案[J]. 陈立全,朱政,王慕阳,孙晓燕.  计算机学报. 2018(05)
[5]基于量化表不一致性的JPEG图像篡改盲检测[J]. 扈文斌,刘凯.  中国图象图形学报. 2011(03)
[6]基于模糊灰度共生矩阵与隐马尔可夫模型的断口图像识别[J]. 李凌,黎明,鲁宇明.  中国图象图形学报. 2010(09)
[7]SAR图像边缘检测方法综述[J]. 赵凌君,贾承丽,匡纲要.  中国图象图形学报. 2007(12)
[8]基于分形的水声图像目标探测[J]. 田杰,张春华.  中国图象图形学报. 2005(04)



本文编号：3039254