约束性卷积神经网络及其在目标方向估计中的应用

发布时间：2020-12-17 21:22

　　目前,在计算机视觉领域,主流的卷积神经网络(Convolutional Neural Network,CNN)算法专注于目标的识别和定位,且大多数采用轴对齐包围盒定位目标,而为了对图像做更深刻的语义理解,需要获取目标的方向信息。而很多基于CNN的对目标方向估计的研究,直接对指示目标方向的方向角θ进行回归和预测,而角度值在0°和360°附近存在数值上的大跳变,会对网络引入误差,因此,本文提出一种针对图像目标方向估计的新方法,采用卷积神经网络对目标方向角θ的两个单调连续的方向分量(sinθ,cosθ)进行回归。由于方向角的两个分量之间存在平方和为1的函数约束,即在神经网络中又引入了新的问题——输出约束问题,事实上很多应用有都存在输出约束问题。针对此问题,本文具体分析出现输出约束的情况,将其分为输出在值域上具有范围约束的弱约束和输出分量间具有确切函数约束的强约束,并针对每种约束,提出一般性方法改造传统CNN,构建约束性卷积神经网络(ConstrainedConvolutional NeuralNetwork,CCNN),来解决这类带有输出约束的问题,提高网络模型的适应度。方法有输出转换法和在... 

【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图１－１传统包围盒与倾斜包围盒的对比图??

图２－１．卷积神经网络的一种基本结构??图２－１所示的是ＣＮＮ的一种基本结构，其中包括卷积层、池化层和全连接??

误差反向传播的基本思想

【参考文献】：
期刊论文
[1]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航.  计算机应用. 2016(09)



本文编号：2922736