基于级联网络的目标检测与实例分割算法研究

发布时间：2021-04-04 01:49

　　计算机视觉的应用在人类的生活无处不在,目标检测和实例分割作为计算机视觉的重要研究方向,在智慧城市、无人驾驶等领域的作用越来越重要。传统目标检测算法中,根据交并比（IOU）的大小判断正负样本,但一般设置比较低的IOU阈值会得到过多的噪声样本,使训练的检测器识别能力偏低,进而影响了整体的准确率。设置高的IOU阂值又会过滤掉过多中等质量的样本,只保留少量的高质量样本,由于样本量大量减少,进而产生了过拟合的现象。同时推荐区域IOU阈值和训练器使用的IOU阈值相差较大会造成质量不匹配的问题,也会导致最终训练出来的网络检测精度的损失。针对以上几点问题,本文改进了级联卷积神经网络,并添加掩膜分支来实现实例分割,本文研究内容包括以下几个部分:（1）由于较低的IOU会引入噪声,降低检测器的精度;较高的IOU会保留少数高质量样本,造成过拟合。本文针对这一问题,提出了一种基于级联网络的平行级联检测网络,它由一系列检测器串并联而成,每个检测器设置递增的IOU阈值,从而在每个阶段都会得到一个更高质量的样本分布来训练下一级检测器,并逐步重采样减少过拟合。（2）本文针对推荐区域和检测器的IOU阈值相差过大会引起质量... 

【文章来源】：大连海事大学辽宁省 211工程院校

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

图２．?１卷积操作??

图２．?２最大池化运算??Ｆｉｇ．?２．２?Ｍａｘ?ｐｏｏｌｉｎｇ??

?大连海事大学硕士学位论文???１０?２?３??４?６?６?８?６?８??—＞??３?１１０?３?４??１２?２?４??图２．?２最大池化运算??Ｆｉｇ．?２．２?Ｍａｘ?ｐｏｏｌｉｎｇ??（４）归一化：由于这些网络中级联的非线性操作，多层体系结构是高度非线性的。??除了激活函数之外，标准化是另一个非线性处理模块，在卷积神经网络架构中起着重要??的作用。ＣＮＮ中最常见的归一化形式是局部响应归一化。归一化是把所有数据变成０??到１或者－１到１之间的小数。主要是为了数据处理的方便，同时把数据映射到０到１??的范围之内也更加快速便捷，可以靠减去所有数据的均值再除以方差来实现。??（５）反卷积：反卷积也叫做转置卷积。卷积的逆过程就是反卷但是通过反卷积??并不能获得之前的原图像。只能恢复卷积之前的图像的大小，并可用于可视化卷积过程。??反卷积在语义分割和ＧＡＮ等领域有许多应用。下图展示一个反卷积的操作过程，反卷??积和卷积的操作过程十分相像，主要区别经过反卷积得到图片的尺寸会大于输入图片的??尺寸，通常是通过增加ｐａｄｄｉｎｇ操作来实现。??：會：：：：??乂，??图２．?３反卷积操作??Ｆｉｇ．?２．３?Ｄｅｃｏｎｖｏｌｕｔｉｏｎ?ｏｐｅｒａｔｉｏｎ??－９?－??

【参考文献】：
期刊论文
[1]卷积神经网络在目标检测中的应用综述[J]. 于进勇,丁鹏程,王超.  计算机科学. 2018(S2)
[2]深度卷积神经网络在目标检测中的研究进展[J]. 姚群力,胡显,雷宏.  计算机工程与应用. 2018(17)
[3]深度卷积神经网络的发展及其在计算机视觉领域的应用[J]. 张顺,龚怡宏,王进军.  计算机学报. 2019(03)
[4]图像物体分类与检测算法综述[J]. 黄凯奇,任伟强,谭铁牛.  计算机学报. 2014(06)
[5]一种基于相对熵阈值分割的改进算法[J]. 胡勇,赵春霞,郭志波,程勇.  系统仿真学报. 2009(12)
[6]基于肤色和类Harr特征的人脸图像的人眼检测[J]. 陈勇飞,刘新明.  计算机工程与应用. 2008(33)



本文编号：3117504