仿真图像应用于深度学习的可行性方法研究

发布时间：2021-07-26 19:34

　　目前,相比于普通机器学习算法,深度学习类算法具有更高的研究价值,但其在应用中也面临着不可回避的问题:深度学习依赖大规模数据的支持,小样本训练出的模型表现出的性能往往较为低下。而某些情况下,大规模样本的获取工作较为困难。例如红外场景下的图像数据,其实拍图像获取成本高,难以获取各种不同条件下的数据。因此对于该领域的图像处理问题,深度学习算法的应用则显得力不从心。而通过图像仿真的方法可以较快捷地获取大规模图像数据,并且可以根据需要添加各种场景因素,因此使用仿真图像作为深度学习算法数据集的方式有待于深入研究。由于仿真图像与实拍图像存在一定差异,因此本文探讨了仿真图像作为深度学习算法数据集的可行性。本文从目标识别检测任务入手,选取了数据稀缺、难以通过实拍的方式获得的目标领域——红外场景下的舰船目标进行了图像仿真,并使用仿真得到的大量样本对卷积神经网络模型算法进行了训练。在算法方面,选取了现存成熟的深度学习目标识别检测类算法——SSD算法进行测试。本文通过互联网资源获得了少量实拍红外舰船数据作为小样本,验证了小样本训练的方式在深度学习算法下表现出的性能,并通过仿真大量样本的方式进行了性能对比,说明... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

Sigmoid函数图像

图2.5 Tanh 函数图像函数是在 Sigmoid 函数同期提出的，其特点也与 Sigmoid 函数类点，这也正是其优点，但是仍然存在梯度趋于 0 的区域。ReLU型：y max(0,x )像：

图2.5 Tanh 函数图像函数是在 Sigmoid 函数同期提出的，其特点也与 Sigmoid 函数类点，这也正是其优点，但是仍然存在梯度趋于 0 的区域。ReLU型：y max(0,x )像：

【参考文献】：
期刊论文
[1]多波段红外图像的海面舰船目标检测[J]. 仇荣超,娄树理,李廷军,宫剑.  光谱学与光谱分析. 2019(03)
[2]基于改进多尺度特征图的目标快速检测与识别算法[J]. 单倩文,郑新波,何小海,滕奇志,吴晓红.  激光与光电子学进展. 2019(02)
[3]红外视频中的舰船检测[J]. 石超,陈恩庆,齐林.  光电工程. 2018(06)
[4]浅谈机器学习研究现状与发展趋势[J]. 陈勇涛,郭晓颖,陶慧杰.  中国新通信. 2018(08)
[5]基于深度卷积网络的目标检测综述[J]. 吴帅,徐勇,赵东宁.  模式识别与人工智能. 2018(04)
[6]基于深度学习的小样本声纹识别方法[J]. 李靓,孙存威,谢凯,贺建飚.  计算机工程. 2019(03)
[7]机器学习综述[J]. 赵晨阳.  数字通信世界. 2018(01)
[8]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[9]应用图像融合与多样性的舰船显著性检测[J]. 郭少军,娄树理,刘峰.  液晶与显示. 2016(10)
[10]深度学习研究概述[J]. 刘钰鹏.  信息与电脑(理论版). 2016(03)

硕士论文
[1]用于机器学习中图像识别的虚拟样本算法研究及应用[D]. 郑儒楠.南京航空航天大学 2017



本文编号：3304220