基于卷积神经网络的单幅彩色图像目标检测方法研究
发布时间：2021-01-25 15:25
目标检测作为计算机视觉领域的一个极为重要的分支,其在视觉领域中所起的作用无可替代。随着人工智能、计算机视觉领域的不断发展,目标检测被应用于视觉导航、军事公安以及虚拟现实等诸多领域,但是检测效果并不能真正满足实际需求,因此如何获得更好的目标检测效果成为目标检测领域乃至整个计算机视觉领域亟待解决的问题。在综合分析国内外研究现状的基础之上,并结合深度学习、计算机视觉等相关知识,对如何获取更好的目标检测结果进行了深入研究。具体研究内容如下:首先,介绍了目标检测的基本概念及相关知识,并对本课题用到的卷积神经网络和组成卷积神经网络的卷积层、池化层、全连接层等进行了简要介绍。其次,根据卷积神经网络提取的各层次特征图的特点,提出一种利用特征图加权融合实现的目标检测方法。该方法利用卷积神经网络提取彩色图像特征,并根据特征图加权融合思想提出特征图加权融合方法同时由该方法得到新特征图,再将新特征图输入到改进的RPN网络中得到区域建议,最后用ROI Pooling层提取区域建议特征并对特征分类且同时进行目标位置边框回归操作实现目标检测。再次,提出一种基于全卷积神经网络的目标检测方法。该方法利用残差网络提取特征...
【文章来源】：燕山大学河北省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
目标检测示意图
3040目标类别图 5-2 第 3 章 VGG 方法与其他方法针对不同类别目标的检测精度比较由图 5-2 可知，在数据集 PASCAL VOC2007 和 VOC2012 上，所提方法对大多数类别的检测精度明显高于文献[43]方法和文献[47]方法的检测精度。而将所提方法与文献[44]方法进行比较时发现，两种方法在某些类别上的检测精度虽然相接近，但是所提方法在多数类别上的检测精度高于文献[44]方法，且在部分类别上的检测精度明显高于文献[44]方法，例如“bird”和“bottle”类，从而使所提方法的有效性得到进一步验证。在图 5-2 中，同一种目标检测方法对不同类别目标的检测精度各有差别，其主要原因是数据集 VOC2007 和 VOC2012 的训练集中包含每种类别目标的彩色图像的数量各不相同。所提 VGG 方法对数据集 KITTI 中部分图像进行目标检测的结果如图 5-3 所示。
第 5 章 实验及结果分析证了第 4 章所提方法的有效性。在图 5-4 中，同一种目标检测方法对不同类别目标检测精度各有差别，其原因同样是数据集 VOC2007 和 VOC2012 的训练集中包含种类别目标的彩色图像的数量各不相同。第 4 章所提 ResNet101 方法对数据VOC2007 中部分图像进行目标检测的结果如图 5-5 所示。
【参考文献】：
期刊论文
[1]基于并行跟踪检测框架与深度学习的目标跟踪算法[J]. 闫若怡,熊丹,于清华,肖军浩,卢惠民. 计算机应用. 2019(02)
[2]基于深度学习SSD模型的视频室内人数统计[J]. 郑国书,朱秋煜,王辉. 工业控制计算机. 2017(11)
[3]基于深度卷积神经网络的道路场景理解[J]. 吴宗胜,傅卫平,韩改宁. 计算机工程与应用. 2017(22)
[4]视觉导航系统中图像采集及处理技术综述[J]. 潘广堂,李文文,杨先海. 科技视界. 2016(24)
[5]Where Does AlphaGo Go: From Church-Turing Thesis to AlphaGo Thesis and Beyond[J]. Fei-Yue Wang,Jun Jason Zhang,Xinhu Zheng,Xiao Wang,Yong Yuan,Xiaoxiao Dai,Jie Zhang,Liuqing Yang. IEEE/CAA Journal of Automatica Sinica. 2016(02)
[6]主方向旋转LBP特征的平面旋转人脸检测[J]. 李根,李文辉. 电子学报. 2015(01)
[7]一种基于HOG-LBP的高效车辆检测方法[J]. 杨先凤,杨燕. 计算机工程. 2014(09)
[8]基于HOG和Haar特征的行人追踪算法研究[J]. 陆星家,陈志荣,尹天鹤,杨帆. 计算机科学. 2013(S1)
本文编号：2999463
【文章来源】：燕山大学河北省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
目标检测示意图
3040目标类别图 5-2 第 3 章 VGG 方法与其他方法针对不同类别目标的检测精度比较由图 5-2 可知，在数据集 PASCAL VOC2007 和 VOC2012 上，所提方法对大多数类别的检测精度明显高于文献[43]方法和文献[47]方法的检测精度。而将所提方法与文献[44]方法进行比较时发现，两种方法在某些类别上的检测精度虽然相接近，但是所提方法在多数类别上的检测精度高于文献[44]方法，且在部分类别上的检测精度明显高于文献[44]方法，例如“bird”和“bottle”类，从而使所提方法的有效性得到进一步验证。在图 5-2 中，同一种目标检测方法对不同类别目标的检测精度各有差别，其主要原因是数据集 VOC2007 和 VOC2012 的训练集中包含每种类别目标的彩色图像的数量各不相同。所提 VGG 方法对数据集 KITTI 中部分图像进行目标检测的结果如图 5-3 所示。
第 5 章 实验及结果分析证了第 4 章所提方法的有效性。在图 5-4 中，同一种目标检测方法对不同类别目标检测精度各有差别，其原因同样是数据集 VOC2007 和 VOC2012 的训练集中包含种类别目标的彩色图像的数量各不相同。第 4 章所提 ResNet101 方法对数据VOC2007 中部分图像进行目标检测的结果如图 5-5 所示。
【参考文献】：
期刊论文
[1]基于并行跟踪检测框架与深度学习的目标跟踪算法[J]. 闫若怡,熊丹,于清华,肖军浩,卢惠民. 计算机应用. 2019(02)
[2]基于深度学习SSD模型的视频室内人数统计[J]. 郑国书,朱秋煜,王辉. 工业控制计算机. 2017(11)
[3]基于深度卷积神经网络的道路场景理解[J]. 吴宗胜,傅卫平,韩改宁. 计算机工程与应用. 2017(22)
[4]视觉导航系统中图像采集及处理技术综述[J]. 潘广堂,李文文,杨先海. 科技视界. 2016(24)
[5]Where Does AlphaGo Go: From Church-Turing Thesis to AlphaGo Thesis and Beyond[J]. Fei-Yue Wang,Jun Jason Zhang,Xinhu Zheng,Xiao Wang,Yong Yuan,Xiaoxiao Dai,Jie Zhang,Liuqing Yang. IEEE/CAA Journal of Automatica Sinica. 2016(02)
[6]主方向旋转LBP特征的平面旋转人脸检测[J]. 李根,李文辉. 电子学报. 2015(01)
[7]一种基于HOG-LBP的高效车辆检测方法[J]. 杨先凤,杨燕. 计算机工程. 2014(09)
[8]基于HOG和Haar特征的行人追踪算法研究[J]. 陆星家,陈志荣,尹天鹤,杨帆. 计算机科学. 2013(S1)
本文编号：2999463
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2999463.html
