基于深度学习的毫米波辐射图像目标检测方法研究
发布时间：2022-01-20 01:30
随着安检以及安防监控技术需求的迅速增长,毫米波/太赫兹安检仪已经开始部署在机场、地铁等公共安全场所。由于需要处理海量的毫米波/太赫兹安检图像数据,人工安检的效率已经无法满足要求。因此利用人工智能检测识别毫米波图像中违禁品,已成为研究的热点。本文将Faster R-CNN算法应用到被动毫米波图像的检测识别中,在Faster R-CNN模型基础上,设计一种基于Faster R-CNN目标检测改进算法。本文的主要研究工作如下:（1）首先介绍了深度学习的基本理论。选取了基于深度学习的目标检测算法Faster R-CNN算法检测被动毫米波图像中的目标,并对该算法进行分析。针对被动毫米波图像低分辨率、目标面积小等问题,在Faster R-CNN算法的基础上,利用带FPN网络的RPN（Region Proposal Network）网络替换FasterR-CNN算法中的RPN网络,进行高、低层特征融合,为预测的特征图增加更多的细节与位置信息以及语义信息。最终带FPN网络的RPN网络算法在仿真毫米波辐射图像测试集的平均准确率达到83.7%,较Faster R-CNN算法提高了2.6%。（2）被动毫米波...
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
Sigmod函数图像
Sigmod 函数存在两大缺点而逐渐被淘汰。梯度容易饱和，当输入数据大到一定的程度或趋势越趋于平缓状态，梯度接近于 0（即式(2 0），导致在反向传播过程中，权重参数值基络无法递归学习输入数据特征。在权重参数的输出均值不为 0，导致神经网络后层的神经产生影响。假设输入 为正，由式 = 方向或者均为负方向，导致网络收敛变得缓 函数的缺点，新的激活函数被提出。Tanh 非，将其映射到[-1,1]区间，其公式如下：( )tanh( )cosh( )x xx xsinh x e exx e e 图 2-3 所示。
中 科 技 大 学 硕 士 学 位 论数和 Sigmod 函数有异曲同工之妙，与图 2-2 不同的是0，解决了Sigmod函数存在的第二个缺点，实际中Tanh函，但 Tanh 函数同样存在梯度饱和问题，而 ReLU 激活用。ectified Linear Units)激活函数由 Vinod Nair 在 2010 年欢迎，ReLU 函数的优点是在加快网络收敛速度，提高消失的问题。ReLu 激活函数数学表达式如下：f ( x ) max(0, x)活函数曲线如图 2-4 所示：
【参考文献】：
期刊论文
[1]基于深度学习的目标检测算法综述[J]. 周晓彦,王珂,李凌燕. 电子测量技术. 2017(11)
[2]地铁安检开始试用太赫兹成像安检仪[J]. 都市快轨交通. 2017(05)
[3]创新科技为现代安检护航——记祁春超博士领衔开发的国内首台太赫兹主动式人体安检仪[J]. 田静. 海峡科技与产业. 2017(01)
[4]天津市政府与国家外专局签署引进国外智力共建“美丽天津”合作协议[J]. 国际人才交流. 2014(06)
硕士论文
[1]基于ShuffleNet网络模型的图片内容自动分类研究[D]. 刘烨.河南大学 2018
[2]深度学习在车牌识别中的研究与应用[D]. 李文鹏.西安工程大学 2018
[3]基于深度学习的目标检测算法研究[D]. 张志豪.电子科技大学 2018
[4]基于深度显著性分析的目标检测[D]. 范淼.西安电子科技大学 2018
[5]基于FCN及种子的遥感影像道路提取方法的研究[D]. 郝尚荣.河南大学 2017
[6]基于深度学习的遥感图像检索方法研究[D]. 刘雪莹.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[7]基于快速射线追踪的毫米波辐射图像模拟方法研究[D]. 戚博.华中科技大学 2017
[8]基于区域的卷积神经网络及其在静态目标检测方面的应用[D]. 王飞.北京邮电大学 2017
[9]基于深度学习的溯源视频目标检测与识别[D]. 刘健.东南大学 2016
[10]基于被动毫米波成像的隐匿违禁物品检测识别方法研究[D]. 任路遥.南京理工大学 2016
本文编号：3597927
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
Sigmod函数图像
Sigmod 函数存在两大缺点而逐渐被淘汰。梯度容易饱和，当输入数据大到一定的程度或趋势越趋于平缓状态，梯度接近于 0（即式(2 0），导致在反向传播过程中，权重参数值基络无法递归学习输入数据特征。在权重参数的输出均值不为 0，导致神经网络后层的神经产生影响。假设输入 为正，由式 = 方向或者均为负方向，导致网络收敛变得缓 函数的缺点，新的激活函数被提出。Tanh 非，将其映射到[-1,1]区间，其公式如下：( )tanh( )cosh( )x xx xsinh x e exx e e 图 2-3 所示。
中 科 技 大 学 硕 士 学 位 论数和 Sigmod 函数有异曲同工之妙，与图 2-2 不同的是0，解决了Sigmod函数存在的第二个缺点，实际中Tanh函，但 Tanh 函数同样存在梯度饱和问题，而 ReLU 激活用。ectified Linear Units)激活函数由 Vinod Nair 在 2010 年欢迎，ReLU 函数的优点是在加快网络收敛速度，提高消失的问题。ReLu 激活函数数学表达式如下：f ( x ) max(0, x)活函数曲线如图 2-4 所示：
【参考文献】：
期刊论文
[1]基于深度学习的目标检测算法综述[J]. 周晓彦,王珂,李凌燕. 电子测量技术. 2017(11)
[2]地铁安检开始试用太赫兹成像安检仪[J]. 都市快轨交通. 2017(05)
[3]创新科技为现代安检护航——记祁春超博士领衔开发的国内首台太赫兹主动式人体安检仪[J]. 田静. 海峡科技与产业. 2017(01)
[4]天津市政府与国家外专局签署引进国外智力共建“美丽天津”合作协议[J]. 国际人才交流. 2014(06)
硕士论文
[1]基于ShuffleNet网络模型的图片内容自动分类研究[D]. 刘烨.河南大学 2018
[2]深度学习在车牌识别中的研究与应用[D]. 李文鹏.西安工程大学 2018
[3]基于深度学习的目标检测算法研究[D]. 张志豪.电子科技大学 2018
[4]基于深度显著性分析的目标检测[D]. 范淼.西安电子科技大学 2018
[5]基于FCN及种子的遥感影像道路提取方法的研究[D]. 郝尚荣.河南大学 2017
[6]基于深度学习的遥感图像检索方法研究[D]. 刘雪莹.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[7]基于快速射线追踪的毫米波辐射图像模拟方法研究[D]. 戚博.华中科技大学 2017
[8]基于区域的卷积神经网络及其在静态目标检测方面的应用[D]. 王飞.北京邮电大学 2017
[9]基于深度学习的溯源视频目标检测与识别[D]. 刘健.东南大学 2016
[10]基于被动毫米波成像的隐匿违禁物品检测识别方法研究[D]. 任路遥.南京理工大学 2016
本文编号：3597927
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3597927.html
