發(fā)布時(shí)間：2020-03-29 19:28

【摘要】：目標(biāo)識(shí)別一直是計(jì)算機(jī)視覺(jué)領(lǐng)域內(nèi)的一個(gè)研究熱點(diǎn),目標(biāo)識(shí)別在戰(zhàn)場(chǎng)上應(yīng)用十分廣泛,但由于戰(zhàn)場(chǎng)環(huán)境比較復(fù)雜,在進(jìn)行目標(biāo)識(shí)別過(guò)程存在特征選擇信息不準(zhǔn),單一分類器識(shí)別率較低等問(wèn)題。本文針對(duì)上述問(wèn)題提出端到端的深層卷積神經(jīng)網(wǎng)絡(luò)方法對(duì)目標(biāo)進(jìn)行識(shí)別。首先,針對(duì)深層卷積神經(jīng)網(wǎng)絡(luò)權(quán)值分布穩(wěn)定性,數(shù)據(jù)依賴問(wèn)題和源域與目標(biāo)域差距問(wèn)題提出了半監(jiān)督增強(qiáng)遷移學(xué)習(xí)。深層卷積神經(jīng)網(wǎng)絡(luò)前期不容易收斂,并且權(quán)值分布容易受到數(shù)據(jù)分布影響,引入半監(jiān)督遷移學(xué)習(xí)可以一定程度上解決此類問(wèn)題。針對(duì)半監(jiān)督遷移學(xué)習(xí)會(huì)產(chǎn)生過(guò)擬合問(wèn)題提出了增強(qiáng)遷移學(xué)習(xí),通過(guò)融合多個(gè)分類器參數(shù)減緩過(guò)擬合現(xiàn)象。在Cifar-10數(shù)據(jù)集上實(shí)驗(yàn)表明,加入半監(jiān)督增強(qiáng)遷移學(xué)習(xí)的網(wǎng)絡(luò)訓(xùn)練時(shí)會(huì)更穩(wěn)定,并且收斂更快一些。然后,針對(duì)注意力機(jī)制全連接參數(shù)量較大的問(wèn)題和分組帶來(lái)的分布截?cái)鄦?wèn)題提出了復(fù)用特征選擇機(jī)制。選擇出較好的特征可以很大程度上提高模型的準(zhǔn)確率,通過(guò)注意力機(jī)制可以在深層神經(jīng)網(wǎng)絡(luò)中增強(qiáng)顯著特征。本文提出卷積特征選擇,利用卷積計(jì)算替換注意力機(jī)制權(quán)值映射階段中的全連接操作,可以在減少參數(shù)量的情況下更好的表達(dá)特征圖。針對(duì)特征圖分組選擇的分布截?cái)鄦?wèn)題,本文提出復(fù)用切片分組以及組合并行被選擇特征來(lái)進(jìn)行特征選擇,減少了特征圖分布截?cái)鄮��?lái)的信息損失和過(guò)度選擇問(wèn)題進(jìn)而增加識(shí)別率。在STL-10數(shù)據(jù)集上實(shí)驗(yàn)表明,本文提出的復(fù)用特征選擇網(wǎng)絡(luò)(CoFS-Net)好過(guò)其它目標(biāo)識(shí)別網(wǎng)絡(luò)。最后,結(jié)合第三章和第四章提出的方法提出了機(jī)器學(xué)習(xí)的目標(biāo)識(shí)別方法在戰(zhàn)場(chǎng)中實(shí)際應(yīng)用方案,使用第四章提出的復(fù)用特征選擇網(wǎng)絡(luò)作為特征提取器,第三章提出的半監(jiān)督增強(qiáng)遷移學(xué)習(xí)來(lái)初始化參數(shù)。本文將目標(biāo)識(shí)別識(shí)別任務(wù)分為兩個(gè)步驟,首先通過(guò)二分類器判斷目標(biāo)是否存在,然后利用多分類器進(jìn)行目標(biāo)分類。在采集的戰(zhàn)場(chǎng)目標(biāo)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),通過(guò)實(shí)驗(yàn)表明本文提出的方法要好過(guò)其他方法。
【圖文】：

圖 3.1 遷移學(xué)習(xí)的過(guò)程Fig.3.1 Processing of transfer learning程其實(shí)很好理解。首先，明確域和任務(wù)的概念域包含兩部分，一個(gè)是特征空間ψ ，另一個(gè)是邊緣。一個(gè)任務(wù)可以表示為 τ ={ y,f(x)}，任務(wù)也包一個(gè)預(yù)測(cè)值 f (x)， f (x)也可以看成一個(gè)條件概被表示為：假設(shè)有一個(gè)基于域tD 的任務(wù)tτ ，并援助。遷移學(xué)習(xí)的目的就是通過(guò)遷移基于域sD 的預(yù)測(cè)函數(shù) ()τf 的性能，并且stD ≠ D，tsτ ≠ τ，：個(gè)預(yù)訓(xùn)練的源模型是從可用模型中挑選出來(lái)的。數(shù)據(jù)集的模型，這些都可以作為源模型的備選者

- 25 -于半監(jiān)督學(xué)習(xí)的改進(jìn)的深度遷移eep transfer learning process based督的深度遷移學(xué)習(xí)方法有兩數(shù)據(jù)增強(qiáng)處理，圖像數(shù)據(jù)增空間幾何變換對(duì)圖像進(jìn)行旋息的情況下更多尺度的訓(xùn)練，神經(jīng)網(wǎng)絡(luò)本身對(duì)高斯噪聲可以采用加入噪聲和調(diào)節(jié)對(duì)幾何變換，，像素點(diǎn)變換如圖
【學(xué)位授予單位】：沈陽(yáng)理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王偉男;楊朝紅;;基于圖像處理技術(shù)的目標(biāo)識(shí)別方法綜述[J];電腦與信息技術(shù);2019年06期

2 王偉男;周亮;;基于圖像處理技術(shù)的軍事目標(biāo)識(shí)別方法綜述[J];電腦與信息技術(shù);2020年01期

3 李琦;孫桂玲;黃翠;劉頡;常哲;于金花;文洪濤;;基于水聲環(huán)境空間中多模態(tài)深度融合模型的目標(biāo)識(shí)別方法研究[J];海洋技術(shù)學(xué)報(bào);2019年06期

4 李華群;;夜間塔影圖像目標(biāo)識(shí)別方法的仿真研究[J];計(jì)算機(jī)仿真;2016年12期

5 尚怡君;金保華;張?jiān)讫?;基于相關(guān)分析的飛機(jī)目標(biāo)識(shí)別方法[J];電子設(shè)計(jì)工程;2013年16期

6 許陽(yáng);王曉璇;;一種工程化的雙門限輻射源目標(biāo)識(shí)別方法[J];計(jì)算機(jī)測(cè)量與控制;2009年05期

7 左震,張?zhí)煨?汪國(guó)有;遠(yuǎn)距紅外圖像中橋梁目標(biāo)識(shí)別方法研究[J];電子學(xué)報(bào);1998年11期

8 徐勝榮，李忠興;自然景物中橋梁目標(biāo)識(shí)別方法的研究[J];浙江大學(xué)學(xué)報(bào)(自然科學(xué)版);1995年03期

9 李偉生;陳曦;;一種結(jié)合顯著性檢測(cè)與詞袋模型的目標(biāo)識(shí)別方法[J];計(jì)算機(jī)工程與科學(xué);2017年09期

10 宋曦;周蔭清;;一種基于模板匹配的目標(biāo)識(shí)別方法[J];遙測(cè)遙控;2010年02期

相關(guān)會(huì)議論文 前10條

1 肖懷鐵;郭雷;付強(qiáng);;一種新的模糊支持矢量機(jī)多目標(biāo)識(shí)別方法[A];第十二屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

2 張艷寧;趙榮椿;梁怡;;一種有效的圖像目標(biāo)識(shí)別方法[A];加入WTO和中國(guó)科技與可持續(xù)發(fā)展——挑戰(zhàn)與機(jī)遇、責(zé)任和對(duì)策（下冊(cè)）[C];2002年

3 任文君;蘇開(kāi)娜;;一種復(fù)雜背景下基于知識(shí)的目標(biāo)識(shí)別方法的研究[A];中國(guó)圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國(guó)圖象圖形科技大會(huì)論文集[C];1998年

4 王清;姜志國(guó);趙丹培;安萌;;一種基于特征區(qū)域的空間有形目標(biāo)識(shí)別方法[A];第八屆全國(guó)信號(hào)與信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2009年

5 王延求;黎陽(yáng);;一種基于方位估計(jì)的潛艇目標(biāo)識(shí)別方法[A];2014年水聲對(duì)抗技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2014年

6 張純;許楓;;基于運(yùn)動(dòng)特征的水下蛙人目標(biāo)識(shí)別方法[A];中國(guó)聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2011年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2011年

7 劉興潭;武延鵬;;天基空間目標(biāo)識(shí)別方法綜述[A];第二屆中國(guó)空天安全會(huì)議論文集[C];2017年

8 張榮;王勇;;TM圖像中道路目標(biāo)識(shí)別方法的研究[A];第十四屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2003年

9 陶志國(guó);姜一暉;柳鵬;;基于BP神經(jīng)網(wǎng)絡(luò)的飛機(jī)目標(biāo)識(shí)別方法研究[A];'2006系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2006年

10 張冬英;洪津;王峰;駱冬根;邱成峰;;基于灰度直方圖的暗目標(biāo)識(shí)別方法[A];光子科技創(chuàng)新與產(chǎn)業(yè)化——長(zhǎng)三角光子科技創(chuàng)新論壇暨2006年安徽博士科技論壇論文集[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 楊勇虎;基于雷達(dá)信息的海上溢油與小目標(biāo)識(shí)別方法[D];大連海事大學(xué);2018年

2 白豐;基于局部二進(jìn)制特征描述的衛(wèi)星裝配目標(biāo)識(shí)別方法研究[D];河北工業(yè)大學(xué);2017年

3 裴季方;多視角SAR目標(biāo)識(shí)別方法研究[D];電子科技大學(xué);2018年

4 湯曉;基于復(fù)雜網(wǎng)絡(luò)的圖像目標(biāo)識(shí)別方法研究[D];廣東工業(yè)大學(xué);2013年

5 王鵬輝;基于統(tǒng)計(jì)建模的雷達(dá)高分辨距離像目標(biāo)識(shí)別方法研究[D];西安電子科技大學(xué);2012年

6 殷飛;基于稀疏學(xué)習(xí)的圖像維數(shù)約簡(jiǎn)和目標(biāo)識(shí)別方法研究[D];西安電子科技大學(xué);2014年

7 酈蘇丹;SAR圖像特征提取與目標(biāo)識(shí)別方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2001年

8 趙炳愛(ài);基于小波分析的高分辨率雷達(dá)目標(biāo)識(shí)別方法研究[D];哈爾濱工程大學(xué);2003年

9 聶海濤;基于圖像局部特征的康復(fù)機(jī)器人目標(biāo)識(shí)別方法研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2015年

10 李西平;塔機(jī)超聲安全預(yù)警目標(biāo)識(shí)別的神經(jīng)網(wǎng)絡(luò)方法研究[D];西安建筑科技大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 馬星;基于特征層融合的三維目標(biāo)識(shí)別方法研究[D];西安工業(yè)大學(xué);2019年

2 雷蕾;線掃激光雷達(dá)目標(biāo)識(shí)別方法研究[D];西安工業(yè)大學(xué);2019年

3 閆華清;基于深度網(wǎng)絡(luò)的SAR圖像目標(biāo)識(shí)別方法研究[D];上海交通大學(xué);2017年

4 常鑲石;基于機(jī)器學(xué)習(xí)的目標(biāo)識(shí)別方法研究[D];沈陽(yáng)理工大學(xué);2019年

5 司進(jìn)修;基于深度學(xué)習(xí)的雷達(dá)一維距離像目標(biāo)識(shí)別方法研究與實(shí)現(xiàn)[D];電子科技大學(xué);2019年

6 申威;基于機(jī)器學(xué)習(xí)的SAR目標(biāo)識(shí)別方法研究[D];電子科技大學(xué);2019年

7 全磊;復(fù)雜環(huán)境下目標(biāo)識(shí)別方法的研究[D];西北師范大學(xué);2018年

8 王汝s

本文編號(hào)：2606415