多层次深度特征融合的目标检测方法研究

发布时间：2024-11-26 22:22

　　随着人工智能越来越多的渗透到我们生活工作的方方面面,人工智能技术中非常重要的分支——计算机视觉受到越来越多研究者的关注。而目标检测技术更是众多计算机视觉任务的必备前提,如事件检测、自动驾驶、智能医疗等。近年来目标检测领域发展迅猛,各种研究成果层出不穷,但是当前的目标检测技术依然有很大的提升空间。本文在大量查阅文献,广泛研究现有研究成果的情况下,对目标检测目前的国内外研究现状、存在的主要问题进行了阐述。之后对目前目标检测的主流方法进行了系统介绍,包括基于深度学习的两段式和一段式目标检测方法。并且对视频目标检测相对于图像目标检测存在的主要难点进行了说明。提出了加权特征金字塔网络用以解决小目标检测精度较低的问题。针对一段式目标检测方法中前景背景样本极度不平衡的问题提出了背景抑制损失函数。在加权特征金字塔网络的基础上提出了针对视频目标检测的交错模型。并开发了集数据处理、模型训练以及目标检测为一体的原型系统。本文的主要研究内容如下:1)针对小目标检测效果不佳的问题,提出了基于多层次深度特征融合的图像目标检测方法。利用卷积神经网络浅层特征具有较高分辨率,深层特征具有较为具体的语义信息的特性。根据不同...

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题背景和意义
    1.2 国内外研究现状
    1.3 论文研究的主要内容
    1.4 论文的组织结构
第二章 基于深度学习的目标检测研究概况
    2.1 卷积神经网络
    2.2 特征金字塔
    2.3 两段式目标检测方法
        2.3.1 R-CNN
        2.3.2 Fast R-CNN
        2.3.3 Faster R-CNN
    2.4 一段式目标检测方法
        2.4.1 YOLO
        2.4.2 SSD
    2.5 视频目标检测的难点
    2.6 本章小结
第三章 基于多层次深度特征融合的图像目标检测方法
    3.1 概述
    3.2 加权特征金字塔网络
        3.2.1 网络架构
        3.2.2 特征提取
        3.2.3 特征融合
        3.2.4 目标检测
    3.3 背景抑制损失函数
        3.3.1 前/背景样本平衡问题
        3.3.2 背景抑制
    3.4 实验结果与分析
        3.4.1 实验数据集
        3.4.2 评价指标
        3.4.3消融实验
        3.4.4 特征融合的权重分配
        3.4.5 基于背景抑制的特征加权特征金字塔
    3.5 本章小结
第四章 基于交错WFPN的视频目标检测方法
    4.1 概述
    4.2 交错WFPN
        4.2.1 网络框架
        4.2.2 高精度目标检测器V-WFPN
        4.2.3 高速目标检测器V-FastWFPN
        4.2.4 时序信息处理模块Group ConvLSTM
    4.3 实验结果与分析
        4.3.1 数据集简介
        4.3.2 交错率设置
        4.3.3 HRank剪枝
        4.3.4 主干网络选择
        4.3.5 主流模型对比
    4.4 本章小结
第五章 视频目标检测原型系统设计与实现
    5.1 概述
    5.2 系统开发工具简介
    5.3 原型系统设计概况
        5.3.1 数据预处理
        5.3.2 模型训练
        5.3.3 目标检测
    5.4 目标检测原型系统实现
        5.4.1 数据预处理
        5.4.2 模型训练
        5.4.3 目标检测
    5.5 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 后期工作展望
参考文献
致谢
攻读硕士学位期间的研究成果



本文编号：4012679