基于卷积神经网络的固定视角道路垃圾检测

发布时间：2021-04-20 04:46

　　随着现代社会的发展,人们生活水平的日益提高,日常垃圾产生量越来越大,城市中道路上经常会看见各种各样的垃圾,严重影响了城市环境的美观,而且目前城市环保主要采用人工定期巡查清扫的方式,效率低下,无法及时发现并清扫道路垃圾。现阶段城市道路均安装有监控摄像头,因此,可利用道路监控摄像头或者固定视角相机获取道路图像,实时检测道路垃圾并通知相关人员清扫,提升城市环保智能化水平。由于道路垃圾分布没有时间和空间规律、种类多样、垃圾定义困难,且道路垃圾在图像中目标像素较少,对道路垃圾的检测带来了很大的挑战。本文提出一种基于卷积神经网络的空间约束道路垃圾检测算法方法,在实时获取的道路图像上全图检测垃圾并结合相同视角下干净道路背景图检测获取的道路区域作为空间约束实现道路垃圾检测,解决了道路垃圾定义困难和垃圾小目标检测的问题。该方法主要包括基于改进全卷积网络（FCN）的道路检测与基于改进SSD的道路垃圾小目标检测两个阶段。本文主要工作内容如下:针对道路检测中道路的非结构化、场景复杂等特点,本文提出了基于改进全卷积网络的道路检测算法,对ResNet-50特征网络进行改进,将其部分卷积层替换为空洞卷积并设置更小的... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题研究的背景和意义
    1.2 国内外研究概况
    1.3 当前研究难点
    1.4 论文的主要研究内容
    1.5 本文的组织结构
2 卷积神经网络与目标检测技术概述
    2.1 引言
    2.2 卷积神经网络
    2.3 目标检测经典模型
    2.4 评价指标
    2.5 本章小结
3 基于改进全卷积网络的道路检测
    3.1 引言
    3.2 全卷积网络
    3.3 数据集介绍
    3.4 改进全卷积网络的道路检测
    3.5 实验结果与分析
    3.6 本章小结
4 基于上下层特征融合的SSD道路垃圾检测
    4.1 引言
    4.2 道路垃圾检测数据集
    4.3 SSD目标检测网络
    4.4 SSD道路垃圾检测
    4.5 实验结果与分析
    4.6 本章小结
5 基于特征增强的SSD道路垃圾检测
    5.1 引言
    5.2 FEM特征增强
    5.3 实验结果与分析
    5.4 本章小结
6 总结与展望
    6.1 全文总结
    6.2 课题展望
致谢
参考文献
附录1 攻读学位期间发表论文与参与课题
附录2 道路检测数据集展示
附录3 垃圾检测数据集展示
附录4 相同视角下道路与垃圾数据集展示



本文编号：3149001