基于倾斜目标检测技术的快消品识别研究与应用

发布时间：2024-03-22 01:31

　　目标检测一直以来都是学术界和工业界研究的热点课题,近年来得到了更加快速的发展,但仍然存在着许多的问题,目标小、目标过多、目标过于密集、目标倾斜等都是影响准确率的因素,因此,如何克服这些负面因素,同时提高准确率和检测速度是研究者们面临的问题。近年来产生了许多优秀的研究成果,例如:Yolo,Retinanet,Faster-rcnn。但是这些方法都只对稀疏的目标场景有效,对于密集型的具有方向性的目标检测任务效果欠佳,因为在倾斜场景下使用正矩形目标框会使相邻目标重叠面积过大,从而导致训练的时候包含的干扰特征过多,且在进行非极大值抑制的时候阈值不好选择的问题,为了解决上述面临的问题,本文将提出一种新型的专门针对此类密集型具有方向性的目标检测场景的方法,使用具有倾斜角度的矩形框作为候选框的定向匹配网络(DMnet),可以有效的避免相邻特征的干扰以及非极大值抑制不准的问题,由于采用了倾斜矩形框作为候选框,从而导致后续IOU计算、倾斜框的回归、Loss函数等需要进行改进,本文针对以上问题都给出了相应的解决方案,并且在快消品数据集上进行了实验,验证了本文所提出的方法具有可行性,并取得了不错的效果,和经...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 选题背景及意义
    1.2 国内外研究现状及发展趋势
        1.2.1 目标检测技术研究现状
        1.2.2 快消品检测研究现状
        1.2.3 下一步发展趋势
    1.3 目标检测存在的难点及挑战
    1.4 本文研究内容
    1.5 论文的组织结构
第2章 目标检测相关理论与方法
    2.1 目标检测算法基本框架
    2.2 候选框生成算法介绍
        2.2.1 EdgeBox算法
        2.2.2 Selective Search算法
        2.2.3 基于RPN结构的候选框生成算法
    2.3 基于候选框的目标检测方法
        2.3.1 R-CNN算法
        2.3.2 Fast R-CNN算法
        2.3.3 Faster R-CNN算法
    2.4 基于回归的目标检测方法
        2.4.1 YOLO算法
        2.4.2 SSD算法
        2.4.3 Retinanet算法
    2.5 目标检测常用数据集
        2.5.1 PASCAL VOC数据集
        2.5.2 Microsoft COCO数据集
    2.6 本章小结
第3章 基于倾斜候选框的DMnet目标检测算法
    3.1 简介
    3.2 研究内容
        3.2.1 具有角度信息的Default boxes
        3.2.2 尺寸、比例及角度的选取
        3.2.3 IOU计算方法
        3.2.4 学习倾斜框的生成
    3.3 实现细节
    3.4 实验与分析
    3.5 本章小结
第4章 基于DMnet模型的快消品识别系统
    4.1 系统背景
    4.2 系统结构
    4.3 数据标注
    4.4 并行训练
    4.5 模型测试
        4.5.1 评价指标
    4.6 模型部署
    4.7 预处理及后处理
        4.7.1 图像清晰度判断
        4.7.2 后处理策略
    4.8 本章小结
结论
参考文献
附录 A 发表论文和参加科研情况说明
致谢



本文编号：3934429