基于膨胀卷积和视觉注意的目标检测及应用

发布时间：2021-12-29 10:02

　　作为场景理解的重要组成部分,目标检测技术在智能安防、工业制造和军事探测等领域有着广泛的应用。近年来,随着计算机算力的提升和神经网络的应用,多种算法被相继提出,这极大地促进了目标检测技术的发展。然而,实际应用场景复杂多变,目标或小而稠密,或尺度变化大,或相互高度遮挡。这些因素会对检测性能产生影响,最终导致错检和漏检的现象。针对上述问题,本文使用YOLOv3网络作为主要检测框架,结合膨胀卷积和视觉注意机制,提出改进方案。主要工作如下:（1）针对目标尺度变化大导致检测性能降低的问题,提出基于膨胀卷积和特征图融合的YOLOv3网络。首先,利用膨胀卷积在不同扩张率下呈现不同感受野的特点,构建并行多分支膨胀卷积模块,改进骨干网络Darknet53,使得提取的特征包含更丰富的信息。其次,通过对网络输出特征进行上采样和张量拼接,增加浅层特征图数量,用于提升小目标检测精度。最后,在数据集COCO上进行对比实验。结果表明,改进后的网络能够有效改善检测效果,各类目标检测精度明显提高。（2）针对特征图中特征不平衡影响检测效果的问题,提出基于视觉注意的特征平衡YOLOv3网络。首先,通过上采样和下采样整合特征金... 

【文章来源】：南京邮电大学江苏省

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

目标检测发展过程

LeNet网络结构示意图

卷积操作过程可视化

【参考文献】：
期刊论文
[1]卷积神经网络的发展及其在计算机视觉领域中的应用综述[J]. 陈超,齐峰.  计算机科学. 2019(03)
[2]基于难分样本挖掘的快速区域卷积神经网络目标检测研究[J]. 张烨,许艇,冯定忠,蒋美仙,吴光华.  电子与信息学报. 2019(06)
[3]Multi-scale object detection by top-down and bottom-up feature pyramid network[J]. ZHAO Baojun,ZHAO Boya,TANG Linbo,WANG Wenzheng,WU Chen.  Journal of Systems Engineering and Electronics. 2019(01)
[4]2018年中国安防市场蓝皮书[J]. 丁兆威.  中国公共安全. 2018(12)
[5]基于深度学习的医学影像诊断综述[J]. 张巧丽,赵地,迟学斌.  计算机科学. 2017(S2)
[6]基于视觉的目标检测与跟踪综述[J]. 尹宏鹏,陈波,柴毅,刘兆栋.  自动化学报. 2016(10)
[7]人体动作行为识别研究综述[J]. 李瑞峰,王亮亮,王珂.  模式识别与人工智能. 2014(01)
[8]机器视觉技术在工件分拣中的应用[J]. 刘振宇,赵彬,邹风山.  计算机应用与软件. 2012(11)
[9]基于头部检测和跟踪的人数统计方法[J]. 郑翔翔,张怡.  计算机应用与软件. 2011(02)



本文编号：3555905