面向互动展示的深度学习检测识别系统设计与实现

发布时间：2020-05-30 11:04

【摘要】：随着科技的发展,融入科技元素的艺术形式越来越热门,将深度学习和计算机视觉技术融入之中,具有巨大研究潜力和应用价值。数字互动展示平台主要由目标检测识别系统和数字动画投影系统组成,其中目标检测识别系统是核心部分。本文针对复杂环境条件下互动展示平台目标物块实时识别定位问题,提出一种基于YOLO v2算法模型的快速识别定位方法,结合目标在样本图像中的尺寸差异,采用聚类算法提取更匹配样本目标对象尺寸的先验框尺度,设计并搭建了面向互动展示的深度学习检测识别系统。为保证目标样本图像的复杂性和多样性,采用数据增强扩充物块训练样本。最后通过试验分析验证系统性能,实现了端到端的目标物块检测识别。论文的主要工作包括:针对此次项目构建了特定项目数据集HUSTC605,数据集样本图像充分考虑了目标所处背景、光照强度、光照颜色等外部环境因素和拍摄角度因素,使用数据增广方法对数据集进行扩充,扩充时对数据样本随机进行镜像变换、高阶插值、增加Gaussian噪声、椒盐噪声和周期性噪声。基于YOLO v2模型设计了物块实时检测识别系统,发展了基于卷积神经网络的物块检测识别算法,并基于Qt的UI图形化界面设计了针对本文的实时检测识别系统软件用于测试系统的性能,软件功能界面具体包含界面显示控件、相机标定控件、参数设置控件等元素。分别在静态测试集和动态随机实时目标物块两个层次进行了系统检测识别性能验证,对处于若干个不同典型场景下的目标物块进行了测试研究。试验结果表明:在6个具有代表性的典型场景下,两个层次的检测识别精度结果均趋向于1;召回率均基本保持在0.95以上,单个目标具有较高的定位精度。总体上,检测识别系统检测识别性能优越,且具有很好的鲁棒性。
【图文】：

1 绪 论1.1 研究背景与意义随着科技的高速发展，融入科技元素的艺术项目越来越热门。在此背景下，将深度学习和计算机视觉技术融入之中，具有巨大的研究潜力和应用价值。数字艺术互动展示平台由目标检测识别系统和数字动画投影系统组成。通过摆放不同形状的物块，检测识别系统检测出目标物块的位置，识别出目标物块的形状种类，并返回出位置坐标，，然后数字动画投影系统根据检测识别系统返回的目标类别和位置信息，在对应的目标之间投影出道路、桥梁或车辆等动画景观，让观众充分感受光影变化的神奇。

图 1.3 Faster R-CNN 原理示意图 YOLO[32]，直接在输出层输出预测边框的的输入，把目标识别问题转化为回归问 45 帧/秒，在 VOC2007 数据集上的测现了改进版本 YOLO v2[33]和 v3[34]，性图 1.4 YOLO v2 算法原理示意图分析
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP18

【参考文献】

相关期刊论文 前3条

1 梁琳;何卫平;雷蕾;张维;王红霄;;光照不均图像增强方法综述[J];计算机应用研究;2010年05期

2 梁吉业;高嘉伟;常瑜;;半监督学习研究进展[J];山西大学学报(自然科学版);2009年04期

3 李宗坤,郑晶星,周晶;误差反向传播神经网络模型的改进及其应用[J];水利学报;2003年07期

相关博士学位论文 前6条

1 林高华;基于动态纹理和卷积神经网络的视频烟雾探测方法研究[D];中国科学技术大学;2018年

2 刘宝龙;基于图像分析和深度学习的船名标识字符检测与识别研究[D];浙江大学;2018年

3 高震宇;基于深度卷积神经网络的图像分类方法研究及应用[D];中国科学技术大学;2018年

4 陈凯;深度学习模型的高效训练算法研究[D];中国科学技术大学;2016年

5 姚明臣;机器学习和神经网络学习中的若干问题研究[D];大连理工大学;2016年

6 骆涛;面向大数据处理的并行计算模型及性能优化[D];中国科学技术大学;2015年

本文编号：2688039