集装箱货物X光透视图像分类识别算法研究
发布时间：2024-05-17 13:51
集装箱X光透视成像是集装箱检查的必要手段。计算机智能审图是实现集装箱检查智能化的必由之路,是技术发展的必然趋势。分类识别算法是智能审图的重要基础工作之一,有很大的研究价值。由于集装箱装载货物比较多,透视扫描生成的图像比较大,基于按区域识别的想法,本文首先研究了图像分割算法。从基于图的分割方法出发,研究了新的图切能量模型,并提出了基于动态图融合的自动分割算法,在集装箱货物透视图像上进行了分割实验,取得了好的效果。探讨了用分割的方法解决一箱多货问题的思路。用传统分类方法进行研究,提出了基于组合模板支持向量机的分类算法,并结合WTA哈希、语义树方法提高算法的性能。针对集装箱货物图像类内方差大,特征分布不集中的特点,提取大量代表性典型图像块,并对它们训练组合模板支持向量机,识别阶段用WTA哈希的方法进行识别,避免了大量的卷积运算。用语义树的方法可以在分类层级与准确率之间取得一个平衡。用深度学习方法进行研究,使用当前图像分类效果很好的152层Res Net网络,提出了根据Logits相关性进行自适应调节权重的中间层监督方法,提出了用聚类Loss对交叉熵Loss进行加强的方法,并用语义树的方法在网...
【文章页数】：122 页
【学位级别】：博士
【文章目录】：
摘要
abstract
主要符号对照表
第1章 引言
1.1 课题背景与意义
1.2 国内外现状
1.3 相关基础算法
1.3.1 支持向量机算法
1.3.2 人工神经网络中的反向传播学习算法
1.3.3 深度学习中的卷积神经网络
1.4 论文的研究内容及结构安排
第2章 基于动态图融合的图像分割算法
2.1 基于图的图像分割算法
2.2 基于动态图融合的分割算法
2.2.1 一种新的基于Mumford-Shah模型的图像分割模型
2.2.2 基于动态图融合的自动分割算法
2.2.3 基于动态图融合的交互式分割算法
2.2.4 基于动态图融合的活动轮廓分割算法
2.3 集装箱货物透视图像分割及应用展望
第3章 基于组合模板支持向量机的分类算法
3.1 概述
3.2 组合模板支持向量机
3.3 WTA-hash快速算法
3.4 用HS Code语义树找最优分类
3.5 实验与结论
第4章 基于中间层监督和语义树的深度学习分类算法
4.1 概述
4.2 深度学习介绍
4.2.1 学科关系介绍
4.2.2 人工神经网络的发展历程
4.2.3 深度学习在图像分类识别领域的进展
4.2.3.1 Alex Net模型
4.2.3.2 VGGNet模型
4.2.3.3 Inception模型
4.2.3.4 Res Net模型
4.2.3.5 Dense Net模型
4.2.3.6 深度监督网络 DSN(Deeply Supervised Nets)
4.3 基于中间层监督和语义树的分类模型
4.3.1 模型架构
4.3.2 模型的Loss函数
4.3.2.1 分类Loss
4.3.2.2 聚类Loss
4.4 实验
4.5 讨论与总结
第5章 基于Triplet网络的报关单对比算法
5.1 概述
5.1.1 报关单对比的概念与意义
5.1.2 报关单对比的技术背景
5.1.3 报关单对比算法思路
5.2 主干网络
5.2.1 Triplet网络
5.2.2 基于Triplet网络的特征提取器
5.2.3 交叉熵Loss
5.2.4 Focal Loss
5.2.5 Distribution Loss
5.2.6 Triplet Loss及其变种
5.2.7 加强的Triplet Loss
5.2.8 原型实验
5.3 报关单对比算法
5.3.1 算法框架
5.3.2 特征模型库建立与在线更新
5.3.3 负样本训练
5.3.4 在线更新的实验
5.3.5 负样本训练实验
5.3.6 算法性能分析
5.4 应用分析
第6章 后记、总结与展望
6.1 对困难问题的再思考
6.1.1 用HS Code作为图像类别存在的一个问题
6.1.2 分类的困境
6.2 异物检测
6.2.1 用Triplet网络训练特征提取器
6.2.2 预测异物区域
6.2.3 实验
6.3 总结本文工作与创新点
6.4 展望
参考文献
致谢
个人简历、在学期间发表的学术论文与研究成果
本文编号：3975684
【文章页数】：122 页
【学位级别】：博士
【文章目录】：
摘要
abstract
主要符号对照表
第1章 引言
1.1 课题背景与意义
1.2 国内外现状
1.3 相关基础算法
1.3.1 支持向量机算法
1.3.2 人工神经网络中的反向传播学习算法
1.3.3 深度学习中的卷积神经网络
1.4 论文的研究内容及结构安排
第2章 基于动态图融合的图像分割算法
2.1 基于图的图像分割算法
2.2 基于动态图融合的分割算法
2.2.1 一种新的基于Mumford-Shah模型的图像分割模型
2.2.2 基于动态图融合的自动分割算法
2.2.3 基于动态图融合的交互式分割算法
2.2.4 基于动态图融合的活动轮廓分割算法
2.3 集装箱货物透视图像分割及应用展望
第3章 基于组合模板支持向量机的分类算法
3.1 概述
3.2 组合模板支持向量机
3.3 WTA-hash快速算法
3.4 用HS Code语义树找最优分类
3.5 实验与结论
第4章 基于中间层监督和语义树的深度学习分类算法
4.1 概述
4.2 深度学习介绍
4.2.1 学科关系介绍
4.2.2 人工神经网络的发展历程
4.2.3 深度学习在图像分类识别领域的进展
4.2.3.1 Alex Net模型
4.2.3.2 VGGNet模型
4.2.3.3 Inception模型
4.2.3.4 Res Net模型
4.2.3.5 Dense Net模型
4.2.3.6 深度监督网络 DSN(Deeply Supervised Nets)
4.3 基于中间层监督和语义树的分类模型
4.3.1 模型架构
4.3.2 模型的Loss函数
4.3.2.1 分类Loss
4.3.2.2 聚类Loss
4.4 实验
4.5 讨论与总结
第5章 基于Triplet网络的报关单对比算法
5.1 概述
5.1.1 报关单对比的概念与意义
5.1.2 报关单对比的技术背景
5.1.3 报关单对比算法思路
5.2 主干网络
5.2.1 Triplet网络
5.2.2 基于Triplet网络的特征提取器
5.2.3 交叉熵Loss
5.2.4 Focal Loss
5.2.5 Distribution Loss
5.2.6 Triplet Loss及其变种
5.2.7 加强的Triplet Loss
5.2.8 原型实验
5.3 报关单对比算法
5.3.1 算法框架
5.3.2 特征模型库建立与在线更新
5.3.3 负样本训练
5.3.4 在线更新的实验
5.3.5 负样本训练实验
5.3.6 算法性能分析
5.4 应用分析
第6章 后记、总结与展望
6.1 对困难问题的再思考
6.1.1 用HS Code作为图像类别存在的一个问题
6.1.2 分类的困境
6.2 异物检测
6.2.1 用Triplet网络训练特征提取器
6.2.2 预测异物区域
6.2.3 实验
6.3 总结本文工作与创新点
6.4 展望
参考文献
致谢
个人简历、在学期间发表的学术论文与研究成果
本文编号：3975684
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3975684.html
