基于深度学习的嵌入式实时视频结构化系统研究

发布时间：2024-07-10 20:16

　　视频是人们日常生活、工业生产以及安防领域的重要信息来源,视频结构化是计算机视觉的重要研究领域之一。视频结构化技术,就是打破视频文件的空间与时间维度,将关键信息提取出来进行扁平化展示的技术;视频结构化的过程,就是跨时间维度提取关键信息并归类的过程。在嵌入式环境下实现初级的视频结构化功能,可以在视频采集端对视频进行分析,筛选掉视频中无分析价值的时段与内容,并将筛选出的关键信息回传至后端服务器,与传送原视频相比,可以大大减少占用的网络带宽以及减轻后端服务器的运算与存储压力。近年来,随着深度学习技术的迅猛发展,一大批基于深度卷积神经网络的图像识别、目标检测、轨迹跟踪、人脸识别等算法被提出,在检测速度与准确率上相较于传统的图像处理算法有着巨大提升。同样,随着嵌入式设备与卷积神经网络加速设备的快速发展,人们可以将在GPU(计算机图形处理器Graphics Processing Unit,GPU)上训练出的大型深度卷积神经网络部署在低功耗嵌入式设备上,这使得在嵌入式平台上部署视频结构化系统成为了可能。本文首先分析了本系统所涉及深度学习相关基础理论以及卷积神经网络的构成,通过对比分析Alexnet、V...

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

图２－１多层感知机?

山东大学硕士学位论文??神经网络的概念在上个世纪五六十年代就已经被提出，又被称为感知机。祌??经网络的初始结构十分简单，包括输入层（Ｉ叩ｕｔ?ｌａｙｅｒ）、输出层（Ｏｕｔｐｕｔ?ｌａｙｅｒ）和??一个隐含层（Ｈｉｄｄｅｎｌａｙｅｒ），它的结构过于简单，并没有复杂函数的拟合能力。随....

图２－２卷积运算原理示意图??

山东大学硕士学位论文??神经网络的概念在上个世纪五六十年代就已经被提出，又被称为感知机。祌??经网络的初始结构十分简单，包括输入层（Ｉ叩ｕｔ?ｌａｙｅｒ）、输出层（Ｏｕｔｐｕｔ?ｌａｙｅｒ）和??一个隐含层（Ｈｉｄｄｅｎｌａｙｅｒ），它的结构过于简单，并没有复杂函数的拟合能力。随....

图２－３卷积层原理??

山东大学硕士学业论文??经网络在图像处理相关的问题时大受欢迎。??（１）输入层功能??数字图像在数学上可以解释为多维矩阵。深度学习框架在训练卷积神经网络??时，也是以多维矩阵的形式来处理数据的。输入层（ｉｎｐｕｔｌａｙｅｒ）往往位于卷积神??经网络的第一层。在输入为图像时，输入层....

图２－４最大池化与平均池化原理??（４）激活函数层??

山东大学硕士学位论文??若输入尺寸为ｉｎｐｕｔ＿ｓｉｚｅ，卷积核尺寸为ｋｅｍｅｌ＿ｓｉｚｅ，步长为ｓｔｒｉｄｅ，则卷积层??的输出大小可表不为公式２－１：??ｏｕｔｐｕｔ?Ｓｉｚｅ?＝?＾?ｋｅｒｎｅｌ?ｓｉＺｅ＋２Ｖａａｉｎｇ＋１?⑴）??ｓｔｒｉｄｅ??在训练完成后，滤波器中....

本文编号：4004675