基于SSD算法的水面目标图像的检测研究
发布时间：2021-08-30 08:23
随着我国提出海洋强国战略,水上交通将日趋繁忙。另一方面,在新一轮的人工智能的冲击下,水上交通智能化成为大势所趋。无人艇作为一种智能型海洋装备,其推广应用将加快海洋经济的快速发展。目前的无人艇技术主要依赖雷达、传感器、传统的目标检测技术等,随着计算机硬件技术的发展,基于深度学习的目标检测技术可以挖掘图像深层次特征信息,大大的弥补了传统目标检测和雷达技术的不足,并且可以节省大量成本。本文将采用基于深度学习的方法对水面目标检测展开研究。本文综合分析当今基于深度学习的经典算法的检测速度和检测精度,采用SSD算法设计水面目标检测的网络结构,通过自主收集、标注以及标准化的水面目标数据集进行训练、验证和测试,并对最后的检测结果进行了对比分析。通过对比分析发现基于SSD算法的水面目标检测在小目标数据的检测效果不太理想,并且在训练数据时经常发生中断等问题。为了解决SSD算法的水面目标检测的定位不准确以及小目标难以提取特征的缺陷,本文使用K-medoids算法对默认候选框的长宽比进行了聚类优化,使得默认候选框的长宽比更加贴合水面目标数据集,减少模型训练时位置偏移回归的次数。为了更好的提取小目标的特征,增加...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：91 页
【学位级别】：硕士
【部分图文】：
图１－２文章组织架构图??Ｆｉｇ．?１－２?Ａｒｔｉｃｌｅ?ｏｒｇａｎｉｚａｔｉｏｎ?ｃｈａｒｔ??
?大连海事大学硕士学位论文???２相关基础理论概述??目标检测是计算机视觉领域的一项研究重点和研究难点，其主要研究方向可以分为??基于运动目标的目标检测以及基于静态图片的目标检测。本文主要研宄基于静态图片的??目标检测，即收集图片，通过对图像中的目标进行标注以及标准化处理，然后经过卷积??神经网络有监督的进行训练并最终得到检测模型，最后在静态图像中检测目标，对目标??进行定位与分类。目前，对静态图片的目标检测方面的应用非常广泛，比如生物医疗、??人脸检测、工业制造、道路监控等。??目标检测的在工业界的研宄成果具有很大应用价值，这些成果正在改变我们的日常??生活，近年来引起了越来越多研究学者、科技公司的研宄兴趣。目标检测在初期的特征??提取中都是基于人工设计的特征，这些基于传统人工设计图像特征的目标检测算法在目??标检测精度上难以得到突破，并且具有很高的时间复杂度。随着计算机硬件技术的进步??与发展…级ＧＰＵ技术对于计算速度的加快，解决了卷积神经网络初期计算耗时严重、??硬件基础达不到要求以及数据样本不足的问题，基于卷积神经网络的目标检测技术开始??进入了黄金期。??２．?１人工神经网络??人工神经网络（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，即ＡＮＮ）?［３｜］，是根据生物神经网络的特??征而设计的，是一种进行信息处理的数学模型。通过输入数据，经过隐层神经元的计算??并调整隐层神经元的权重参数，来进行信息处理和模型计算。??图２＿〗生物神经元结构图??Ｆｉｇ．?２－１?Ｂｉｏｌｏｇｉｃａｌ?ｎｅｕｒｏｎ?ｓｔｒｕｃｔｕｒｅ??－９－??
?基于ＳＳＤ算法的水面目标图像的检测研究???如图２－１所示，是生物神经网络的组织结构图。神经元能够经过轴突作用于数以万??计的其它神经元，同时也能够经过树突从数以万计的神经元中接收信息。在前端的神经??元感受轴突中传到电信号时，释放出化学递质，后端神经元的树突接收到化学递质后产??生出相应的电信号，从而完成了神经元间的一次信息传递。??０＾１?Ｚ?＾?３??ｋＵ??图２－２神经网络的感知器??Ｆｉｇ．?２－２?Ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ?ｐｅｒｃｅｐｔｒｏｎ??人工神经网络的基本计算单元被称为感知机（Ｐｅｒｃｅｐｔｒｏｎ）［３２］，如图２－２所示，它就??是模拟生物神经网络的构成而设计的。它是经过简化的人类神经元细胞模型。它本质上??是一个函数，它接受多个实数输入变量（此图只包含两个输入变量，即图中的ｘ?１和ｘ２），??每个变量所在的连接上具有权重值（即图中的ｗｌ、ｗ２），输入变量经过加权求和后与??一个偏置项相加（即图中的ｂ），作为神经元的输入，经过一个非线性的激活函数的激??活作用（即图中的ｇ?（ｚ）），最终产生一个激活值。如公式２－１所示。??Ｚ＾ＸＷ＋ｂ?（２－１）??／＝］??其中为ｉ层的权重，６为偏置项。??输入值模拟对神经细胞的刺激，而输出值模拟神经细胞的响应。而多个感知器的组??合就可以形成一个人工神经网络，如图２－３所示，是一个三层的人工神经网络的结构图，??其中包括两个隐层以及输入、输出层，输入层是负责数据的输入的，可以是一个也可以??是多个。隐层是对输入层的数据进行计算的，隐层至少有一个，隐层中的神经元的个数??是不限制的，根据自己的输入数据适当选择。输出层是对输入数据计算后所
【参考文献】：
期刊论文
[1]人工智能助力高速公路视频监控[J]. 陈波,张秀杰. 公路交通科技(应用技术版). 2018(09)
[2]基于卷积神经网络的SAR图像舰船目标检测[J]. 李健伟,曲长文,彭书娟,邓兵. 系统工程与电子技术. 2018(09)
[3]基于深度学习的水面无人船前方船只图像识别方法[J]. 王贵槐,谢朔,初秀民,洛天骄. 船舶工程. 2018(04)
[4]SSD算法推理过程的探析[J]. 郭叶军,汪敬华,吉明明. 现代计算机(专业版). 2018(05)
[5]医学影像计算机辅助检测与诊断系统综述[J]. 郑光远,刘峡壁,韩光辉. 软件学报. 2018(05)
[6]深度强化学习进展:从AlphaGo到AlphaGo Zero[J]. 唐振韬,邵坤,赵冬斌,朱圆恒. 控制理论与应用. 2017(12)
[7]卷积神经网络在图像分类和目标检测应用综述[J]. 周俊宇,赵艳明. 计算机工程与应用. 2017(13)
[8]深度学习发展综述[J]. 侯宇青阳,全吉成,王宏伟. 舰船电子工程. 2017(04)
[9]基于深度卷积网络的SAR图像目标检测识别[J]. 李君宝,杨文慧,许剑清,彭宇. 导航定位与授时. 2017(01)
[10]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)
硕士论文
[1]改进的SSD的目标检测研究[D]. 赵庆北.广西大学 2018
[2]基于改进卷积神经网络的交通标志识别应用研究[D]. 贾雨辰.成都理工大学 2018
[3]基于深度学习的目标检测算法研究[D]. 温捷文.广东工业大学 2018
[4]基于DSP的雷达目标检测与录取技术[D]. 王刚.大连海事大学 2008
本文编号：3372436
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：91 页
【学位级别】：硕士
【部分图文】：
图１－２文章组织架构图??Ｆｉｇ．?１－２?Ａｒｔｉｃｌｅ?ｏｒｇａｎｉｚａｔｉｏｎ?ｃｈａｒｔ??
?大连海事大学硕士学位论文???２相关基础理论概述??目标检测是计算机视觉领域的一项研究重点和研究难点，其主要研究方向可以分为??基于运动目标的目标检测以及基于静态图片的目标检测。本文主要研宄基于静态图片的??目标检测，即收集图片，通过对图像中的目标进行标注以及标准化处理，然后经过卷积??神经网络有监督的进行训练并最终得到检测模型，最后在静态图像中检测目标，对目标??进行定位与分类。目前，对静态图片的目标检测方面的应用非常广泛，比如生物医疗、??人脸检测、工业制造、道路监控等。??目标检测的在工业界的研宄成果具有很大应用价值，这些成果正在改变我们的日常??生活，近年来引起了越来越多研究学者、科技公司的研宄兴趣。目标检测在初期的特征??提取中都是基于人工设计的特征，这些基于传统人工设计图像特征的目标检测算法在目??标检测精度上难以得到突破，并且具有很高的时间复杂度。随着计算机硬件技术的进步??与发展…级ＧＰＵ技术对于计算速度的加快，解决了卷积神经网络初期计算耗时严重、??硬件基础达不到要求以及数据样本不足的问题，基于卷积神经网络的目标检测技术开始??进入了黄金期。??２．?１人工神经网络??人工神经网络（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，即ＡＮＮ）?［３｜］，是根据生物神经网络的特??征而设计的，是一种进行信息处理的数学模型。通过输入数据，经过隐层神经元的计算??并调整隐层神经元的权重参数，来进行信息处理和模型计算。??图２＿〗生物神经元结构图??Ｆｉｇ．?２－１?Ｂｉｏｌｏｇｉｃａｌ?ｎｅｕｒｏｎ?ｓｔｒｕｃｔｕｒｅ??－９－??
?基于ＳＳＤ算法的水面目标图像的检测研究???如图２－１所示，是生物神经网络的组织结构图。神经元能够经过轴突作用于数以万??计的其它神经元，同时也能够经过树突从数以万计的神经元中接收信息。在前端的神经??元感受轴突中传到电信号时，释放出化学递质，后端神经元的树突接收到化学递质后产??生出相应的电信号，从而完成了神经元间的一次信息传递。??０＾１?Ｚ?＾?３??ｋＵ??图２－２神经网络的感知器??Ｆｉｇ．?２－２?Ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ?ｐｅｒｃｅｐｔｒｏｎ??人工神经网络的基本计算单元被称为感知机（Ｐｅｒｃｅｐｔｒｏｎ）［３２］，如图２－２所示，它就??是模拟生物神经网络的构成而设计的。它是经过简化的人类神经元细胞模型。它本质上??是一个函数，它接受多个实数输入变量（此图只包含两个输入变量，即图中的ｘ?１和ｘ２），??每个变量所在的连接上具有权重值（即图中的ｗｌ、ｗ２），输入变量经过加权求和后与??一个偏置项相加（即图中的ｂ），作为神经元的输入，经过一个非线性的激活函数的激??活作用（即图中的ｇ?（ｚ）），最终产生一个激活值。如公式２－１所示。??Ｚ＾ＸＷ＋ｂ?（２－１）??／＝］??其中为ｉ层的权重，６为偏置项。??输入值模拟对神经细胞的刺激，而输出值模拟神经细胞的响应。而多个感知器的组??合就可以形成一个人工神经网络，如图２－３所示，是一个三层的人工神经网络的结构图，??其中包括两个隐层以及输入、输出层，输入层是负责数据的输入的，可以是一个也可以??是多个。隐层是对输入层的数据进行计算的，隐层至少有一个，隐层中的神经元的个数??是不限制的，根据自己的输入数据适当选择。输出层是对输入数据计算后所
【参考文献】：
期刊论文
[1]人工智能助力高速公路视频监控[J]. 陈波,张秀杰. 公路交通科技(应用技术版). 2018(09)
[2]基于卷积神经网络的SAR图像舰船目标检测[J]. 李健伟,曲长文,彭书娟,邓兵. 系统工程与电子技术. 2018(09)
[3]基于深度学习的水面无人船前方船只图像识别方法[J]. 王贵槐,谢朔,初秀民,洛天骄. 船舶工程. 2018(04)
[4]SSD算法推理过程的探析[J]. 郭叶军,汪敬华,吉明明. 现代计算机(专业版). 2018(05)
[5]医学影像计算机辅助检测与诊断系统综述[J]. 郑光远,刘峡壁,韩光辉. 软件学报. 2018(05)
[6]深度强化学习进展:从AlphaGo到AlphaGo Zero[J]. 唐振韬,邵坤,赵冬斌,朱圆恒. 控制理论与应用. 2017(12)
[7]卷积神经网络在图像分类和目标检测应用综述[J]. 周俊宇,赵艳明. 计算机工程与应用. 2017(13)
[8]深度学习发展综述[J]. 侯宇青阳,全吉成,王宏伟. 舰船电子工程. 2017(04)
[9]基于深度卷积网络的SAR图像目标检测识别[J]. 李君宝,杨文慧,许剑清,彭宇. 导航定位与授时. 2017(01)
[10]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)
硕士论文
[1]改进的SSD的目标检测研究[D]. 赵庆北.广西大学 2018
[2]基于改进卷积神经网络的交通标志识别应用研究[D]. 贾雨辰.成都理工大学 2018
[3]基于深度学习的目标检测算法研究[D]. 温捷文.广东工业大学 2018
[4]基于DSP的雷达目标检测与录取技术[D]. 王刚.大连海事大学 2008
本文编号：3372436
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3372436.html
最近更新
教材专著
