基于多尺度精炼融合网络的目标检测方法研究

发布时间：2024-03-03 12:52

　　目标检测是指对图片中的目标进行定位和分类。目标检测是计算机视觉的核心,在图像识别、大规模场景识别等方面得到了广泛应用。深度学习方法在目标检测领域应用广泛,并取得了远超传统方法的效果。基于深度学习的目标检测方法可分为基于区域建议的方法和无区域建议的方法。区域建议方法在图片上生成大量候选区域,将可能包含物体的区域作为建议区域,之后再对建议区域进行分类,无区域建议的方法则直接回归得到物体的位置和类别。基于区域建议的方法通常具有更高的精度和鲁棒性,因此本文主要研究了基于区域建议的检测方法。区域建议网络是一种常用的区域建议方法,首先通过卷积神经网络实现特征提取,再利用特征信息回归出高质量的建议区域。区域建议网络提升了建议区域的质量并减少了建议区域的数量,因此区域建议网络大幅提升了检测的速度和精度。但区域建议网络只利用了单一尺度的特征图,单一尺度的特征图中包含的信息不足,因此区域建议网络对于较小物体的检测效果较差。本文在总结深度学习中常用的多尺度方法和注意力机制的基础上,对深度神经网络中的特征融合方法进行了深入研究,提出在一种能高效利用多尺度信息的区域建议网络,该方法被称为基于多尺度的区域建议网络...

【文章页数】：51 页

【学位级别】：硕士

【部分图文】：

图2.1单阶段目标检测的一般流程图

湖北工业大学硕士学位论文8第2章相关理论基础本文的主要工作是在目标检测任务的背景下，研究基于深度学习的网络结构设计与特征提取方法。深度学习是机器学习的一种，其借助多层任务模块完成学习任务。算法以数据的原始形态作为算法输入，深度学习网络负责学习将数据抽象为特征，再从特征到任务目标的....

图2.2双阶段目标检测的一般流程图

湖北工业大学硕士学位论文9而双阶段网络则认为应当先解决第一个任务，再进一步解决第二个、第三个任务。双阶段目标检测的流程如如图2.2所示。双阶段检检测网络由两个神经网络组成，分为第一阶段网络和第二阶段网络。第一阶段网络负责给出区域建议，判断出可能存在目标物体的区域，第二阶段网络则负....

图2.3锚点机制与训练样本生成

湖北工业大学硕士学位论文11在不同算法中，对锚点机制的使用方式有些许不同。但总的来说，引入锚点机制有两个好处。第一，降低网络的学习难度。锚点类似于一种先验信息，网络只需要利用局部的特征来判断锚点周围是否有物体，锚点的位置是否应该进行微调，这与卷积神经网络的工作方式保持了高度一致，....

图2.4FasterRCNN的流程与网络结构图

湖北工业大学硕士学位论文142.3.1Faster-Rcnn的整体流程Faster-Rcnn是一种双阶段检测网络，可分为区域建议网络和兴趣区域分类网络。区域建议网络负责产生候选框，候选框是指挑选出可能包含目标物体的锚框，并对其进行粗略调整后得到的结果。兴趣区域分类网络负责对候选框....

本文编号：3917807