基于卷积神经网络的物体检测研究
发布时间：2021-11-11 01:10
随着无人驾驶、人脸检测、智能视频监控等应用出现,亟待快速、准确的物体检测系统。物体检测系统不仅要求能识别图像中物体类别,还要求能够画出框体,用于定位物体的位置。这对物体检测提出了严苛的要求,使得其成为比物体识别任务更难解决的问题。传统的计算机视觉方法存在检测准确率低和检测速度慢等问题。基于卷积神经网络的物体检测技术是实现快速准确检测的有效方法。卷积神经网络自动学习的图像特征,能够很好地表达图像的语义信息。且近年来,大规模的公开训练数据集为卷积神经网络提供大量的训练数据,以及计算机硬件的飞速发展为卷积神经网络强大的计算提供能力。基于卷积神经网络的物体检测技术仍然存在小物体难检测,受复杂背景和相似物体干扰的问题。本文主要研究基于卷积神经网络的物体检测。首先,详述了不同类型的基于卷积神经网络的物体检测算法,然后针对这些算法的健壮性不足、小物体难检测和准确率较低等问题,本文提出了改进方法,主要贡献有:1.提出新的预测模块。该模块结合了多层卷积层,增强了图像卷积特征,提高了卷积特征的感受野,使得卷积特征能够感受更多上下文信息,从而提高了单次物体检测模型（Single Shot MultiBox ...
【文章来源】：深圳大学广东省
【文章页数】：50 页
【学位级别】：硕士
【部分图文】：
YOLO流程图
图 3-3 SSD300 和 NPM-SSD300 检测家具类物体的错误来源分析3.4 本章小结特征提取对于物体检测来说非常重要。SSD 采用多层卷积特征检测目标物体而与高层特征图相对比，低层特征图具有较少的语义信息，较小的感受野；并且直接选取主干网络的特征图进行检测物体，产生的梯度会对主干网络造成冲击，难以优化；此外，低层所对应的样本中，负样本远远多于正样本。针对这些问题，本章提出了结合新的预测模块的 NMP-SSD，并且使用更小的正负样本划分阈值。根据仿真实验的数据对比，NMP-SSD 比当前主要的物体检测方法相比，具有更高的检测准确率，并且能满足实时的检测速度要求，验证了本章提出的算法改进是有效的，该改进方法在整个算法中发挥了重要作用。本章还通过物体检测来源的分析，说明 NMP-SSD 相对于 SSD 能够更好地定位物体，更能将目标物体与背景进行区分。
基于卷积神经网络的物体检测研究均准确率相对于 SSD 会低上一些。但是 NTB-SSD300 的检测平均准确率仍然达到了 70.6%，NTB-SSD512 的检测平均准确率达到了 72.5%。（3）为了更好地观察并感受 NTB-SSD 模型的检测效果，我们从 VOC12 的检测结果中选出 6 幅检测结果样例展示，如图 4-1 所示。从样例中可以看出，NTB-SSD 能够较好地检测出图片中的物体。
本文编号：3488307
【文章来源】：深圳大学广东省
【文章页数】：50 页
【学位级别】：硕士
【部分图文】：
YOLO流程图
图 3-3 SSD300 和 NPM-SSD300 检测家具类物体的错误来源分析3.4 本章小结特征提取对于物体检测来说非常重要。SSD 采用多层卷积特征检测目标物体而与高层特征图相对比，低层特征图具有较少的语义信息，较小的感受野；并且直接选取主干网络的特征图进行检测物体，产生的梯度会对主干网络造成冲击，难以优化；此外，低层所对应的样本中，负样本远远多于正样本。针对这些问题，本章提出了结合新的预测模块的 NMP-SSD，并且使用更小的正负样本划分阈值。根据仿真实验的数据对比，NMP-SSD 比当前主要的物体检测方法相比，具有更高的检测准确率，并且能满足实时的检测速度要求，验证了本章提出的算法改进是有效的，该改进方法在整个算法中发挥了重要作用。本章还通过物体检测来源的分析，说明 NMP-SSD 相对于 SSD 能够更好地定位物体，更能将目标物体与背景进行区分。
基于卷积神经网络的物体检测研究均准确率相对于 SSD 会低上一些。但是 NTB-SSD300 的检测平均准确率仍然达到了 70.6%，NTB-SSD512 的检测平均准确率达到了 72.5%。（3）为了更好地观察并感受 NTB-SSD 模型的检测效果，我们从 VOC12 的检测结果中选出 6 幅检测结果样例展示，如图 4-1 所示。从样例中可以看出，NTB-SSD 能够较好地检测出图片中的物体。
本文编号：3488307
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3488307.html
