网络视频中特定图像内容识别技术研究
发布时间：2021-10-24 09:18
随着互联网快速发展,以互联网作为载体的信息传播速度越来越快、范围越来越广。不良违法分子,利用互联网传播快速的特点,大量的通过网络社交媒体发布煽动性言论、图片或视频。暴恐视频或图像非法传播已成为当前影响社会稳定的毒源之一。如何阻断不良信息通过互联网的传播,已经成为当前研究的热点。本文研究总结已有的不良信息阻断方法,提出对用户侧的网络视频中的特定图像内容进行检测。针对特定图像内容检测,主要研究图像中包含“持枪并保持射击姿态的人”,本文的研究工作如下:分析现有的物体检测方法并选择Faster R-CNN作为枪支检测模型,该模型在常规的基于卷积神经网络进行物体分类的基础上,还可以给出被识别物体对应的位置信息,为后续人与枪支的交叠区域检测提供依据。本文中共识别4种枪支类型,分别为:AK47、M16、92式、95式。收集原始数据后,通过旋转增量技术,将每一类的枪支数据集扩展到约3600张。通过对使用不同的特征提取网络的Faster R-CNN模型训练后,记录各个模型识别每一类别枪支的识别精度和记录各个模型的mAP指标进行对比,确认使用ResNet-50网络作为特征提取网络时的检测结果优于使用其它两...
【文章来源】：北方工业大学北京市
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图２－３卷积神经网络的基本原理及训练过程示意图??通过不同的卷积层对数据进行卷积操作后，特征图中包含一些有意义的特??
第二章基于快速区域卷积神经网络的枪支识别方法??激活函数包括：Ｌｏｇｉｓｔｉｃ－Ｓｉｇｍｏｉｄ?函数，图?２－４?（ａ）、Ｔａｎｈ－Ｓｉｇｍｏｉｄ?函数，图?２－４??（ｂ）、ＲｅＬＵ?函数，图?２－４?（ｃ）、ＬｅａｋｙＲｅＬＵ?函数，图?２－４?（ｄ）。??＿ｊ：??（ａ）?（ｂ）??．．．．．?１?．．１?丨＇．ｉ—…１?￣￣ｉ?￣ｙ??（Ｃ）?（ｄ）??图２－４激活函数示意图??（１）?Ｓｉｇｍｏｉｄ?类函数??Ｌｏｇｉｓｔｉｃ－Ｓｉｇｍｏｉｄ函数和Ｔａｎｈ－Ｓｉｇｍｏｉｄ函数作为早期神经网络研究时最早出??现的激活函数一直被沿用至今，其数学表达式如下：??／Ｗ?＝点?（２－４）??ｔａｎｈ（＾）?＝?＾—（２－５）??上述函数均具有软饱和性，Ｌｏｇｉｓｔｉｃ－Ｓｉｇｍｏｉｄ函数的输出范围为（０，?１）、??Ｔａｎｈ－Ｓｉｇｍｏｉｄ函数的输出范围是（－１，１）。文献［４２］中详细的讨论这两个函数饱??和的特点及现象。在手写体字符识别任务中，网络的激活函数选择Ｔａｎｈ－Ｓｉｇｍｏｉｄ??函数的收敛速度更快，原因是Ｔａｎｈ－Ｓｉｇｍｏｉｄ函数输出的均值相比于??Ｌｏｇｉｓｔｉｃ－Ｓｉｇｍｏｉｄ更接近于０。当使用反向传播算法训练神经网络时，其计算的梯??度结果作为损失函数向后传播，当ＣＮＮ中包含多个卷积层时，其梯度值会趋于??０，这种现象称作梯度消失／弥散现象，这会导致神经元的权值无法被更新［４２】。所??以这种函数在更深的卷积神经网络中逐渐的被淘汰。??（２）?ＲｅＬＵ?函数??ＲｅＬＵ函数又称作线性修正单元，其数学表达式为：??ｆ（ｘ）?＝?Ｍａｘ（０，ｘ）?（２－６）??当ＲｅＬＵ
Ｒ－ＣＮＮ）?［１７］，首次将物体检测技术通过深度学习实现。该模型将ＰＡＳＣＡＬＶＯＣ??２０１０数据集的平均精度值［１７］从３５．１％提升至５３．７％。Ｒ－ＣＮＮ可以看作??是机器视觉领域和深度学习领域的一次成功融合。该模型首先，使用训练数据对??ＣＮＮ网络进行调优（Ｆｉｎｅ－ｔｕｎｉｎｇ）；然后，使用选择性搜索方法（Ｓｅｌｅｃｔｉｖｅ?Ｓｅａｒｃｈ）??［４５］在原始图像的每一幅图片中标记出１０００个？２０００个被识别物体的候选框并将??候选框中的图像内容送到ＣＮＮ模型进行识别，如图２－５；最后通过分类器对候??选框中的内容进行分类。??■?＿＝：綱?｜??ＥｔｅＳ＊?ｆｉｇＭｆ?（约ａ）?較侯选区脚认?分類络?射溢臬??图２－５?Ｒ－ＣＮＮ网络结构示意图??１３??
【参考文献】：
期刊论文
[1]一种自适应加权HOG特征的人脸识别算法[J]. 胡丽乔,仇润鹤. 计算机工程与应用. 2017(03)
[2]基于后验HOG特征的多姿态行人检测[J]. 刘威,段成伟,遇冰,柴丽颖,袁淮,赵宏. 电子学报. 2015(02)
[3]BP神经网络在软件项目风险评估中的应用[J]. 李华,曹晓龙,成江荣. 计算机仿真. 2011(07)
[4]BP神经网络组合预测在城市生活垃圾产量预测中应用[J]. 路玉龙,韩靖,余思婧,张鸿雁. 环境科学与技术. 2010(05)
[5]基于URL过滤与内容过滤的网络净化模型[J]. 李石君,李洲,余军,张科. 计算机技术与发展. 2006(01)
[6]决策树算法的研究及优化[J]. 王静红,王熙照,邵艳华,王伍伶. 微机发展. 2004(09)
[7]基于分层高斯混合模型的半监督学习算法[J]. 孙广玲,唐降龙. 计算机研究与发展. 2004(01)
硕士论文
[1]基于深度学习的不良图片过滤技术研究[D]. 杨源.北方工业大学 2018
[2]基于CNN的交通标志识别方法研究[D]. 杨振杰.天津工业大学 2017
[3]基于云计算的智能手机信息过滤系统[D]. 孙巧萍.南京邮电大学 2016
[4]基于内容的网络敏感图像识别研究[D]. 耿震.北京工业大学 2016
[5]基于Kinect的自然人机交互系统的设计与实现[D]. 马风力.浙江大学 2016
[6]基于Kinect的手势识别技术在人机交互中的应用研究[D]. 陈一新.西南交通大学 2015
[7]基于卷积神经网络的交通标识识别研究与应用[D]. 杨心.大连理工大学 2014
[8]基于HOG特征的人脸识别系统研究[D]. 慕春雷.电子科技大学 2013
本文编号：3455018
【文章来源】：北方工业大学北京市
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图２－３卷积神经网络的基本原理及训练过程示意图??通过不同的卷积层对数据进行卷积操作后，特征图中包含一些有意义的特??
第二章基于快速区域卷积神经网络的枪支识别方法??激活函数包括：Ｌｏｇｉｓｔｉｃ－Ｓｉｇｍｏｉｄ?函数，图?２－４?（ａ）、Ｔａｎｈ－Ｓｉｇｍｏｉｄ?函数，图?２－４??（ｂ）、ＲｅＬＵ?函数，图?２－４?（ｃ）、ＬｅａｋｙＲｅＬＵ?函数，图?２－４?（ｄ）。??＿ｊ：??（ａ）?（ｂ）??．．．．．?１?．．１?丨＇．ｉ—…１?￣￣ｉ?￣ｙ??（Ｃ）?（ｄ）??图２－４激活函数示意图??（１）?Ｓｉｇｍｏｉｄ?类函数??Ｌｏｇｉｓｔｉｃ－Ｓｉｇｍｏｉｄ函数和Ｔａｎｈ－Ｓｉｇｍｏｉｄ函数作为早期神经网络研究时最早出??现的激活函数一直被沿用至今，其数学表达式如下：??／Ｗ?＝点?（２－４）??ｔａｎｈ（＾）?＝?＾—（２－５）??上述函数均具有软饱和性，Ｌｏｇｉｓｔｉｃ－Ｓｉｇｍｏｉｄ函数的输出范围为（０，?１）、??Ｔａｎｈ－Ｓｉｇｍｏｉｄ函数的输出范围是（－１，１）。文献［４２］中详细的讨论这两个函数饱??和的特点及现象。在手写体字符识别任务中，网络的激活函数选择Ｔａｎｈ－Ｓｉｇｍｏｉｄ??函数的收敛速度更快，原因是Ｔａｎｈ－Ｓｉｇｍｏｉｄ函数输出的均值相比于??Ｌｏｇｉｓｔｉｃ－Ｓｉｇｍｏｉｄ更接近于０。当使用反向传播算法训练神经网络时，其计算的梯??度结果作为损失函数向后传播，当ＣＮＮ中包含多个卷积层时，其梯度值会趋于??０，这种现象称作梯度消失／弥散现象，这会导致神经元的权值无法被更新［４２】。所??以这种函数在更深的卷积神经网络中逐渐的被淘汰。??（２）?ＲｅＬＵ?函数??ＲｅＬＵ函数又称作线性修正单元，其数学表达式为：??ｆ（ｘ）?＝?Ｍａｘ（０，ｘ）?（２－６）??当ＲｅＬＵ
Ｒ－ＣＮＮ）?［１７］，首次将物体检测技术通过深度学习实现。该模型将ＰＡＳＣＡＬＶＯＣ??２０１０数据集的平均精度值［１７］从３５．１％提升至５３．７％。Ｒ－ＣＮＮ可以看作??是机器视觉领域和深度学习领域的一次成功融合。该模型首先，使用训练数据对??ＣＮＮ网络进行调优（Ｆｉｎｅ－ｔｕｎｉｎｇ）；然后，使用选择性搜索方法（Ｓｅｌｅｃｔｉｖｅ?Ｓｅａｒｃｈ）??［４５］在原始图像的每一幅图片中标记出１０００个？２０００个被识别物体的候选框并将??候选框中的图像内容送到ＣＮＮ模型进行识别，如图２－５；最后通过分类器对候??选框中的内容进行分类。??■?＿＝：綱?｜??ＥｔｅＳ＊?ｆｉｇＭｆ?（约ａ）?較侯选区脚认?分類络?射溢臬??图２－５?Ｒ－ＣＮＮ网络结构示意图??１３??
【参考文献】：
期刊论文
[1]一种自适应加权HOG特征的人脸识别算法[J]. 胡丽乔,仇润鹤. 计算机工程与应用. 2017(03)
[2]基于后验HOG特征的多姿态行人检测[J]. 刘威,段成伟,遇冰,柴丽颖,袁淮,赵宏. 电子学报. 2015(02)
[3]BP神经网络在软件项目风险评估中的应用[J]. 李华,曹晓龙,成江荣. 计算机仿真. 2011(07)
[4]BP神经网络组合预测在城市生活垃圾产量预测中应用[J]. 路玉龙,韩靖,余思婧,张鸿雁. 环境科学与技术. 2010(05)
[5]基于URL过滤与内容过滤的网络净化模型[J]. 李石君,李洲,余军,张科. 计算机技术与发展. 2006(01)
[6]决策树算法的研究及优化[J]. 王静红,王熙照,邵艳华,王伍伶. 微机发展. 2004(09)
[7]基于分层高斯混合模型的半监督学习算法[J]. 孙广玲,唐降龙. 计算机研究与发展. 2004(01)
硕士论文
[1]基于深度学习的不良图片过滤技术研究[D]. 杨源.北方工业大学 2018
[2]基于CNN的交通标志识别方法研究[D]. 杨振杰.天津工业大学 2017
[3]基于云计算的智能手机信息过滤系统[D]. 孙巧萍.南京邮电大学 2016
[4]基于内容的网络敏感图像识别研究[D]. 耿震.北京工业大学 2016
[5]基于Kinect的自然人机交互系统的设计与实现[D]. 马风力.浙江大学 2016
[6]基于Kinect的手势识别技术在人机交互中的应用研究[D]. 陈一新.西南交通大学 2015
[7]基于卷积神经网络的交通标识识别研究与应用[D]. 杨心.大连理工大学 2014
[8]基于HOG特征的人脸识别系统研究[D]. 慕春雷.电子科技大学 2013
本文编号：3455018
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3455018.html
最近更新
教材专著
