礦產(chǎn)資源在國民經(jīng)濟和社會發(fā)展中占有極其重要的地位,礦產(chǎn)資源急劇上升的需求,導(dǎo)致了一系列礦井安全問題。諸如無人開采機械、無人駕駛礦車等自動化生產(chǎn)手段有利于減少礦井事故的發(fā)生,而計算機視覺是支撐自動化生產(chǎn)的有效技術(shù)手段,其中礦井行人檢測是計算機視覺的基本任務(wù)。傳統(tǒng)基于特征提取的行人檢測算法應(yīng)用在礦井巷道復(fù)雜多變、照明惡劣的場景下存在諸多弊端,無法保證檢測結(jié)果的準(zhǔn)確性。幸運的是,人工智能的發(fā)展給礦井行人檢測帶來了黎明的曙光,深度神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)算法已經(jīng)應(yīng)用于工業(yè)現(xiàn)場各個領(lǐng)域,然而在礦井行人檢測領(lǐng)域卻少有研究。本文針對上述問題,提出了基于并行特征傳遞深度神經(jīng)網(wǎng)絡(luò)的礦井行人檢測算法,在保證檢測精度的前提下兼顧檢測速度與魯棒性。主要研究內(nèi)容如下:(1)提出基于錨點框自動生成的非預(yù)訓(xùn)練井下行人檢測網(wǎng)絡(luò)Gas Net(Guided Anchors Network),實現(xiàn)提升目標(biāo)檢測網(wǎng)絡(luò)的結(jié)構(gòu)適應(yīng)性,減少預(yù)訓(xùn)練工作量,降低遷移學(xué)習(xí)帶來的“負(fù)遷移”風(fēng)險。Gas Net主要由非預(yù)訓(xùn)練的骨干網(wǎng)絡(luò)和并行處理的檢測網(wǎng)絡(luò)組成,檢測網(wǎng)絡(luò)包括錨點定位預(yù)測和錨點形狀預(yù)測兩個分支組成的錨點框生成模塊和特征圖適應(yīng)模塊。通過...

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1YOLO檢測流程圖

合肥工業(yè)大學(xué)專業(yè)碩士研究生學(xué)位論文10多項式函數(shù)：(,)(1),0TqKxz=xz+q>（2.18）Sigmoid函數(shù)：(,)tanh()TKxz=βxz+γ（2.19）最終獲得超平面公式一般為：01()(,)INiiiigxλyKxxω==∑+（2.20）其中，g(x)>0時，....

圖2.2YOLO網(wǎng)絡(luò)結(jié)構(gòu)圖

第二章傳統(tǒng)與深度學(xué)習(xí)行人檢測技術(shù)11圖2.2YOLO網(wǎng)絡(luò)結(jié)構(gòu)圖Fig2.2NetworkstructurediagramofYOLO2.2.2SSD神經(jīng)網(wǎng)絡(luò)SSD網(wǎng)絡(luò)是在YOLO網(wǎng)絡(luò)上面做的改進，作為一階段檢測的經(jīng)典網(wǎng)絡(luò)，是一種無區(qū)域建議網(wǎng)絡(luò)，在速度上面可以得到保證，同時，SSD....

圖2.3SSD網(wǎng)絡(luò)結(jié)構(gòu)圖

第二章傳統(tǒng)與深度學(xué)習(xí)行人檢測技術(shù)11圖2.2YOLO網(wǎng)絡(luò)結(jié)構(gòu)圖Fig2.2NetworkstructurediagramofYOLO2.2.2SSD神經(jīng)網(wǎng)絡(luò)SSD網(wǎng)絡(luò)是在YOLO網(wǎng)絡(luò)上面做的改進，作為一階段檢測的經(jīng)典網(wǎng)絡(luò)，是一種無區(qū)域建議網(wǎng)絡(luò)，在速度上面可以得到保證，同時，SSD....

圖2.4SSD網(wǎng)絡(luò)數(shù)據(jù)增強方法

合肥工業(yè)大學(xué)專業(yè)碩士研究生學(xué)位論文12圖2.4SSD網(wǎng)絡(luò)數(shù)據(jù)增強方法Fig2.4NetworkdataenhancementmethodsofSSDSSD網(wǎng)絡(luò)除了以上的結(jié)構(gòu)設(shè)計以外，還使用了兩種數(shù)據(jù)增強的方式，分別是放大操作和縮小操作。放大操作中，每個遮罩的大小是原圖大小0.1到....

本文編號：4005127