改进的目标检测算法在视盘检测上的应用

发布时间：2021-02-09 07:55

　　目标检测作为计算机视觉领域不可或缺的部分,其方法的研究一直被紧密关注。在传统的方法中通过建立复杂的模型,根据图像的纹理、光照等特征进行定位和分类,存在泛化性差、计算量大等问题,不适合对当前大规模图像的处理。卷积神经网络的崛起为目标检测提供了新的研究方法,通过使用卷积神经网络弥补了传统方法的缺点。目前已有的基于卷积神经网络的单阶段典型的目标检测算法有YOLO（You Only Look Once）算法和SSD（Single Shot Multibox Detector）算法。SSD算法在目标检测方面已经取得了良好的结果,但仍然存在诸如对上下文信息的理解不足以及深层信息丢失等问题,还需要更深层次的研究。视盘是医生在诊断治疗眼底疾病时必须详细观察的区域,研究眼底图像中视盘的自动检测方法可以辅助医生完成大量工作。在传统的视盘检测方法中,主要依靠视盘的特征比如形状、亮度、血管走向等构建出匹配特征的算法来检测视盘,这些方法由于人为因素影响较大,特征提取时间较长,且视盘定位效率低,因此不适合大批量、高效的视盘检测。针对以上问题,本文围绕目前SSD算法存在的一些问题以及典型目标检测算法在视盘上的应用这... 

【文章来源】：西北师范大学甘肃省

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状分析
        1.2.1 目标检测研究现状
        1.2.2 视盘检测研究现状
    1.3 本文主要研究内容
    1.4 论文组织结构
第2章 目标检测的相关理论
    2.1 卷积神经网络
    2.2 两阶段目标检测算法
    2.3 单阶段目标检测算法
        2.3.1 YOLO算法
        2.3.2 SSD算法
    2.4 本章小结
第3章 CP-SSD算法-基于SSD算法的上下文感知目标检测
    3.1 CP-SSD算法原理
        3.1.1 扩充卷积与感受野
        3.1.2 上下文信息感知模块
        3.1.3 语义激活模块
    3.2 实验分析
        3.2.1 数据集与数据增强
        3.2.2 实验参数设置
        3.2.3 实验结果分析
    3.3 检测实例
    3.4 本章小结
第4章 YOLO算法与CP-SSD算法在视盘检测上的应用
    4.1 视盘数据集介绍
    4.2 YOLO算法在视盘检测上的应用
        4.2.1 YOLO算法模型
        4.2.2 YOLO算法在视盘上的检测方法
        4.2.3 实验结果分析
    4.3 CP-SSD算法在视盘检测上的应用
        4.3.1 CP-SSD算法在视盘上的检测方法
        4.3.2 CP-SSD实验结果分析
    4.4 YOLO算法与CP-SSD算法在视盘检测上的对比
        4.4.1 评价指标
        4.4.2 对比分析
    4.5 本章小结
结论
参考文献
致谢
个人简历、在学期间发表的学术论文及研究成果


【参考文献】：
期刊论文
[1]基于YOLO算法的眼底图像视盘定位方法[J]. 蒋芸,彭婷婷,谭宁,侯金泉.  计算机工程与科学. 2019(09)
[2]卷积神经网络在掌纹识别中的性能评估[J]. 王海纶,李书杰,贾伟,刘晓平.  中国图象图形学报. 2019(08)
[3]基于Faster RCNN的行人检测方法[J]. 张汇,杜煜,宁淑荣,张永华,杨硕,杜晨.  传感器与微系统. 2019(02)
[4]深度学习在目标视觉检测中的应用进展与展望[J]. 张慧,王坤峰,王飞跃.  自动化学报. 2017(08)
[5]糖尿病视网膜病变分级诊疗服务技术方案[J]. 王宁利,胡爱莲,汤欣,徐国兴,张青,杨晓慧.  中华全科医师杂志. 2017 (08)
[6]视网膜图像中视盘的快速自动定位方法[J]. 赵晓芳,林土胜,李碧.  华南理工大学学报(自然科学版). 2011(02)



本文编号：3025321