基于全卷积网络的多尺度目标检测研究及应用
发布时间：2021-08-15 21:57
目标检测技术常用来对图像中的目标进行定位,这种技术在工业界有着巨大应用价值,已经广泛应用在智能监控、人机交互、国家安全防护等领域。为了满足人类的各种需要,目标检测算法也在不断改进。传统目标检测方法常常人工构建目标特征,利用滑动窗口的方法获得感兴趣区域,通过人工选择分类器建立分类模型进行区域分类。模型在整个分类过程中存在两个方面的主要问题:一方面是遍历图像获得感兴趣区域的过程过于耗时,同时产生大量多余的无关待检区域,这对模型进行区域分类带来了大量的计算量;另一方面是手工构建的特征鲁棒性较差;而以卷积网络为代表的深层神经网络以其强大的表征能力在目标检测中取得了惊人的成就,基于深度学习的目标检测得到关注并逐渐成为研究的热点。深度学习目标检测算法可以分为二阶段系列和一阶段系列,二阶段算法的准确率高但检测过于耗时,而一阶段算法在保持一定准确率的同时提高了检测速度,满足实时检测的需求,更适合实际应用。在深度学习中YOLO系列是一阶段目标检测算法中具有代表性的算法之一,采用简单的卷积模块就能较好的提取目标特征,而且还利用上下采样、跳跃层连接等操作得到多尺度特征图并进行多尺度预测。本文以YOLO v3...
【文章来源】：淮北师范大学安徽省
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
二值
淮北师范大学2020届硕士学位论文8条件比较苛刻，对于分析各种环境下实验鼠的环境反应的实验很难广泛使用[34]，所以我们有必要重新设计一种适用范围更广的、新的检测方法。2.2基于梯度特征的实验鼠检测方法的实现2.2.1提出基于梯度特征的实验鼠检测方法针对阈值分割方法中阈值易受光照、噪声的影响而变化的问题，本节将在由观察所得到实验鼠特征分布的基础上设计一种对光照变化不敏感的特征表达模型。首先通过如图2-3所示的实验鼠和试验箱观察其特征发现：栅格存在着固定（a）实验鼠原图1（b）二值化图1（c）实验鼠1的轮廓信息（d）实验鼠原图2（e）二值化图2（f）实验鼠2的轮廓信息图2-2阈值分割方法检测示例图2-3实验鼠图像
淮北师范大学2020届硕士学位论文8条件比较苛刻，对于分析各种环境下实验鼠的环境反应的实验很难广泛使用[34]，所以我们有必要重新设计一种适用范围更广的、新的检测方法。2.2基于梯度特征的实验鼠检测方法的实现2.2.1提出基于梯度特征的实验鼠检测方法针对阈值分割方法中阈值易受光照、噪声的影响而变化的问题，本节将在由观察所得到实验鼠特征分布的基础上设计一种对光照变化不敏感的特征表达模型。首先通过如图2-3所示的实验鼠和试验箱观察其特征发现：栅格存在着固定（a）实验鼠原图1（b）二值化图1（c）实验鼠1的轮廓信息（d）实验鼠原图2（e）二值化图2（f）实验鼠2的轮廓信息图2-2阈值分割方法检测示例图2-3实验鼠图像
【参考文献】：
期刊论文
[1]基于超像素分割和混合权值AdaBoost运动检测算法[J]. 李忠海,杨超,梁书浩. 电光与控制. 2018(02)
[2]图像场景识别中深度学习方法综述[J]. 宋杰,孟朝晖. 计算机测量与控制. 2018(01)
[3]改进的卷积神经网络在行人检测中的应用[J]. 谢林江,季桂树,彭清,罗恩韬. 计算机科学与探索. 2018(05)
[4]深度网络结构在行人检测任务中的性能对比[J]. 常玲玲,马丙鹏,常虹,丁志义. 计算机仿真. 2017(07)
[5]复杂环境背景下车辆目标识别研究综述[J]. 谢晓竹,何成. 兵器装备工程学报. 2017(06)
[6]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航. 计算机应用. 2016(09)
[7]基于统计分类的行人检测方法综述[J]. 李威,王鹏杰,宋海玉. 系统仿真学报. 2016(09)
[8]基于CNN模型的高分辨率遥感图像目标识别[J]. 曲景影,孙显,高鑫. 国外电子测量技术. 2016(08)
[9]最优聚类个数和初始聚类中心点选取算法研究[J]. 张素洁,赵怀慈. 计算机应用研究. 2017(06)
[10]基于改进视觉背景提取的运动目标检测算法[J]. 莫邵文,邓新蒲,王帅,江丹,祝周鹏. 光学学报. 2016(06)
硕士论文
[1]基于深度卷积神经网络的图像分类模型的设计与实现[D]. 迟冰瑶.大连海事大学 2017
[2]基于哈希的多目标跟踪算法的研究[D]. 郭仪权.安徽大学 2017
[3]基于多模态输入的手势识别算法研究[D]. 王凤艳.中国科学技术大学 2017
[4]机器学习在推荐系统中的应用[D]. 邴欣.山东大学 2016
[5]基于特征融合的遥感图像飞机目标识别研究[D]. 付俊.南昌航空大学 2014
[6]深度学习在图像识别中的研究及应用[D]. 李卫.武汉理工大学 2014
[7]基于自适应混合高斯模型的运动目标检测[D]. 艾凯文.广西大学 2012
本文编号：3345006
【文章来源】：淮北师范大学安徽省
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
二值
淮北师范大学2020届硕士学位论文8条件比较苛刻，对于分析各种环境下实验鼠的环境反应的实验很难广泛使用[34]，所以我们有必要重新设计一种适用范围更广的、新的检测方法。2.2基于梯度特征的实验鼠检测方法的实现2.2.1提出基于梯度特征的实验鼠检测方法针对阈值分割方法中阈值易受光照、噪声的影响而变化的问题，本节将在由观察所得到实验鼠特征分布的基础上设计一种对光照变化不敏感的特征表达模型。首先通过如图2-3所示的实验鼠和试验箱观察其特征发现：栅格存在着固定（a）实验鼠原图1（b）二值化图1（c）实验鼠1的轮廓信息（d）实验鼠原图2（e）二值化图2（f）实验鼠2的轮廓信息图2-2阈值分割方法检测示例图2-3实验鼠图像
淮北师范大学2020届硕士学位论文8条件比较苛刻，对于分析各种环境下实验鼠的环境反应的实验很难广泛使用[34]，所以我们有必要重新设计一种适用范围更广的、新的检测方法。2.2基于梯度特征的实验鼠检测方法的实现2.2.1提出基于梯度特征的实验鼠检测方法针对阈值分割方法中阈值易受光照、噪声的影响而变化的问题，本节将在由观察所得到实验鼠特征分布的基础上设计一种对光照变化不敏感的特征表达模型。首先通过如图2-3所示的实验鼠和试验箱观察其特征发现：栅格存在着固定（a）实验鼠原图1（b）二值化图1（c）实验鼠1的轮廓信息（d）实验鼠原图2（e）二值化图2（f）实验鼠2的轮廓信息图2-2阈值分割方法检测示例图2-3实验鼠图像
【参考文献】：
期刊论文
[1]基于超像素分割和混合权值AdaBoost运动检测算法[J]. 李忠海,杨超,梁书浩. 电光与控制. 2018(02)
[2]图像场景识别中深度学习方法综述[J]. 宋杰,孟朝晖. 计算机测量与控制. 2018(01)
[3]改进的卷积神经网络在行人检测中的应用[J]. 谢林江,季桂树,彭清,罗恩韬. 计算机科学与探索. 2018(05)
[4]深度网络结构在行人检测任务中的性能对比[J]. 常玲玲,马丙鹏,常虹,丁志义. 计算机仿真. 2017(07)
[5]复杂环境背景下车辆目标识别研究综述[J]. 谢晓竹,何成. 兵器装备工程学报. 2017(06)
[6]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航. 计算机应用. 2016(09)
[7]基于统计分类的行人检测方法综述[J]. 李威,王鹏杰,宋海玉. 系统仿真学报. 2016(09)
[8]基于CNN模型的高分辨率遥感图像目标识别[J]. 曲景影,孙显,高鑫. 国外电子测量技术. 2016(08)
[9]最优聚类个数和初始聚类中心点选取算法研究[J]. 张素洁,赵怀慈. 计算机应用研究. 2017(06)
[10]基于改进视觉背景提取的运动目标检测算法[J]. 莫邵文,邓新蒲,王帅,江丹,祝周鹏. 光学学报. 2016(06)
硕士论文
[1]基于深度卷积神经网络的图像分类模型的设计与实现[D]. 迟冰瑶.大连海事大学 2017
[2]基于哈希的多目标跟踪算法的研究[D]. 郭仪权.安徽大学 2017
[3]基于多模态输入的手势识别算法研究[D]. 王凤艳.中国科学技术大学 2017
[4]机器学习在推荐系统中的应用[D]. 邴欣.山东大学 2016
[5]基于特征融合的遥感图像飞机目标识别研究[D]. 付俊.南昌航空大学 2014
[6]深度学习在图像识别中的研究及应用[D]. 李卫.武汉理工大学 2014
[7]基于自适应混合高斯模型的运动目标检测[D]. 艾凯文.广西大学 2012
本文编号：3345006
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3345006.html
