基于深度学习的文本与遥感图像目标检测研究

发布时间：2022-08-13 10:52

　　目标检测是指如何让机器正确检测出特定物体的位置和类别信息,以便进行下一步的应用。目标检测的应用非常广泛,如智能城市建设,快递分拣,遥感智能系统,拍照翻译等等。其中,四边形和弯曲多边形目标检测是该研究领域的一大难点。水平目标检测只需要输出目标的左上顶点和右下顶点的坐标,而四边形和弯曲多边形目标检测却需要输出目标的多个顶点坐标,这极大地增加了其难度。在文本和遥感图像目标检测中,使用水平框来标注和检测物体会引入较多的背景,难以得到目标的准确位置信息,所以在这些任务中,一般都需要以四边形或者弯曲多边形的形式输出目标的位置信息。因此,四边形或者弯曲多边形目标检测的研究对提高文本和遥感图像目标检测的实用价值具有重要的意义。随着深度学习的发展,深度学习方法也不断地被应用于多个领域,文本和遥感图像目标检测领域也因此取得了较大的发展。但是,四边形和弯曲多边形的形状和倾斜角度都会非常复杂,目标的多个顶点间的相互关系也无法使用简单的规律描述。这一定程度上限制了目标检测模型在四边形和弯曲多边形目标检测任务中的性能。针对四边形或弯曲多边形的特点,本文分别基于四边形或弯曲多边形三种主流表示方法在以往算法的基础上做... 

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 目标检测简介
    1.2 文本检测研究现状
    1.3 遥感目标检测研究现状
    1.4 本论文的主要研究内容
    1.5 主要标准数据库
        1.5.1 DOTA数据集
        1.5.2 ICDAR2015数据集
        1.5.3 SCUT-CTW1500数据集
        1.5.4 ICPR-MTWI数据集
        1.5.5 MLT数据集
        1.5.6 RCTW-17数据集
    1.6 本文的组织结构
第2章 基于局部滑动线条点回归的目标检测
    2.1 基于局部滑动线条点回归的模型框架
        2.1.1 系统框架和网络参数设置
        2.1.2 局部滑动线条点回归方法计算细节
        2.1.3 旋转堆叠R-CNN
    2.2 实验结果和分析
        2.2.1 遥感图像目标检测实验
        2.2.2 文本检测实验
    2.3 本章总结
第3章 基于可调整周期编码的目标检测
    3.1 角度周期性带来的问题与系统框架
    3.2 算法原理
        3.2.1 无锚点标签的生成
        3.2.2 可调整周期编码的编码和解码
        3.2.3 长度无关交互比
        3.2.4 堆叠R-CNN
    3.3 实验结果
        3.3.1 实验配置
        3.3.2 消融实验
        3.3.3 性能对比与错误分析
    3.4 本章总结
第4章 基于实例分割的目标检测
    4.1 基于实例分割的目标检测框架和流程
        4.1.1 系统流程和参数设置
        4.1.2 损失函数
        4.1.3 并行组合算法
    4.2 实验结果
        4.2.1 实现配置
        4.2.2 实验分析
    4.3 本章总结
第5章 总结
    5.1 本文主要研究工作
    5.2 未来的研究方向
参考文献
致谢
在读期间发表的学术论文与取得的研究成果



本文编号：3676891