發(fā)布時(shí)間：2020-04-06 07:45

【摘要】：基于卷積神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)目標(biāo)檢測(cè)是計(jì)算機(jī)視覺領(lǐng)域的關(guān)鍵技術(shù),根據(jù)檢測(cè)的原理和結(jié)構(gòu)的不同可以分為一體化回歸檢測(cè)和區(qū)域推薦檢測(cè)。一體化回歸檢測(cè)可以實(shí)現(xiàn)快速的目標(biāo)檢測(cè),但召回率不高,在針對(duì)小目標(biāo)檢測(cè)時(shí)準(zhǔn)確度偏低。區(qū)域推薦檢測(cè)可以實(shí)現(xiàn)高精度的目標(biāo)檢測(cè),但檢測(cè)的速度很慢。而且當(dāng)前許多目標(biāo)檢測(cè)模型存在量化誤差、目標(biāo)特征丟失和分類不均衡等問(wèn)題。針對(duì)上述問(wèn)題,在本文中,我們提出了一個(gè)基于特征增強(qiáng)的實(shí)時(shí)目標(biāo)檢測(cè)框架。該框架包含五種特征增強(qiáng)的優(yōu)化方案:雙線性插值向上采樣、卷積網(wǎng)絡(luò)完全共享、輕量化位置敏感得分映射、向上量化取整、單層全連接層。雙線性插值向上采樣增強(qiáng)了特征圖譜中目標(biāo)的特征信息,卷積網(wǎng)絡(luò)完全共享有效的降低在將目標(biāo)推薦區(qū)域和位置敏感得分映射特征圖譜進(jìn)行位置特征映射時(shí)產(chǎn)生的位置特征誤差。輕量化位置敏感得分映射的設(shè)計(jì)簡(jiǎn)化了網(wǎng)絡(luò)結(jié)構(gòu),消除了物體種類參數(shù)的限制,解決了R-FCN模型中分類和檢測(cè)的通道數(shù)目不均衡問(wèn)題。向上量化取整的方案使目標(biāo)特征信息進(jìn)一步得到增強(qiáng),單層全連接層充分的利用了增強(qiáng)后的目標(biāo)特征信息,提高了目標(biāo)檢測(cè)的準(zhǔn)確度和速度。我們的研究成果在DAC2018公開數(shù)據(jù)集上進(jìn)行訓(xùn)練和檢測(cè),與R-FCN相比,我們的準(zhǔn)確率提高了8.5%,檢測(cè)吞吐率是其1.4倍。在2018年第55屆Design Automatic Conference(DAC)系統(tǒng)設(shè)計(jì)大賽的24支決賽隊(duì)伍中,我的ZF為特征提取網(wǎng)絡(luò)的模型的平均檢測(cè)精度為0.6317 mAP,檢測(cè)速度達(dá)到了24.67 FPS,取得了第6名的成績(jī)。
【圖文】：

目標(biāo)檢測(cè)是大量高級(jí)視覺任務(wù)的必備交互、虛擬現(xiàn)實(shí)、圖像分類及解釋、醫(yī)療 AI 和自前景，接下我們介紹一些目標(biāo)檢測(cè)的實(shí)際應(yīng)用。測(cè)過(guò)程中，機(jī)器視覺系統(tǒng)是為機(jī)器或自動(dòng)化生產(chǎn)線設(shè)計(jì)機(jī)器模擬人的視覺功能，對(duì)目標(biāo)對(duì)象進(jìn)行識(shí)別、測(cè)是用機(jī)器視覺技術(shù)代替人進(jìn)行檢測(cè)，在大批量標(biāo)準(zhǔn)了極大優(yōu)勢(shì)。相對(duì)于傳統(tǒng)檢測(cè)方法，機(jī)器視覺技術(shù)進(jìn)行一致性質(zhì)量標(biāo)準(zhǔn)檢驗(yàn)。基于機(jī)器視覺系統(tǒng)的高以同時(shí)獲取大量信息并在短時(shí)間內(nèi)快速自動(dòng)處理，，動(dòng)化管理過(guò)程中具有不可替代的作用。例如，在傳簽等人工密集型檢測(cè)模式的行業(yè)，我們也可以依據(jù)級(jí)為高精度快速的自動(dòng)檢測(cè)，提高產(chǎn)業(yè)效率并降低

中 科 技 大 學(xué) 碩 士 學(xué) 位 論 員進(jìn)行提示或報(bào)警，未對(duì)駕駛員的駕駛行為和車輛運(yùn)行產(chǎn)生干，常見的輔助人工駕駛系統(tǒng)如車道偏離報(bào)警系統(tǒng)和疲勞駕駛報(bào)則是在車輛行駛過(guò)程中根據(jù)一些突發(fā)的事件，在駕駛員未反應(yīng)進(jìn)行幫助，如主動(dòng)剎車防碰撞系統(tǒng)和剎車防抱死系統(tǒng)等，提高自動(dòng)化駕駛則是可以讓駕駛員在一定時(shí)間讓車輛自動(dòng)行駛，輛行駛狀態(tài)，在必要時(shí)對(duì)車輛進(jìn)行干預(yù)，從而實(shí)現(xiàn)車輛的半自航系統(tǒng)，而完全自動(dòng)化駕駛則是車輛運(yùn)行過(guò)程中根據(jù)路況信息行控制。近些年來(lái)，基于人工智能的自動(dòng)駕駛的研發(fā)受到廣泛行業(yè)主體、互聯(lián)網(wǎng)領(lǐng)域公司、精英創(chuàng)業(yè)人群以及資本紛紛投入
【學(xué)位授予單位】：華中科技大學(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 趙珍珍;;基于壓縮感知的實(shí)時(shí)目標(biāo)追蹤算法[J];現(xiàn)代電子技術(shù);2015年03期

2 周昕;厲小潤(rùn);;基于逐波段處理的高光譜圖像實(shí)時(shí)目標(biāo)檢測(cè)[J];工業(yè)控制計(jì)算機(jī);2015年06期

3 楊魯新;董文博;;高幀頻視覺實(shí)時(shí)目標(biāo)檢測(cè)系統(tǒng)[J];電子技術(shù)應(yīng)用;2019年04期

4 金友;幀取樣器執(zhí)行實(shí)時(shí)目標(biāo)分析[J];光機(jī)電信息;1998年08期

5 侯小毛;王淑娟;徐仁伯;;實(shí)時(shí)目標(biāo)跟蹤中自適應(yīng)尺度計(jì)算[J];計(jì)算機(jī)工程與設(shè)計(jì);2017年05期

6 肖永強(qiáng);王海暉;劉奧麗;王子維;章劉斌;;雙目實(shí)時(shí)目標(biāo)三維測(cè)量實(shí)現(xiàn)方法的研究[J];武漢工程大學(xué)學(xué)報(bào);2016年04期

7 孫抗;汪渤;鄭智輝;;基于局部亮度直方圖特征的實(shí)時(shí)目標(biāo)識(shí)別與跟蹤[J];系統(tǒng)工程與電子技術(shù);2011年09期

8 鄧浩;楊菲;潘旭東;游安清;;利用CUDA實(shí)現(xiàn)上位機(jī)的實(shí)時(shí)目標(biāo)跟蹤[J];信息與電子工程;2010年03期

9 ;科技動(dòng)態(tài)[J];企業(yè)科技與發(fā)展;2009年13期

10 彭愛軍;鞏青歌;譚海佩;;基于實(shí)時(shí)目標(biāo)跟蹤的智能監(jiān)區(qū)視頻監(jiān)控軟件設(shè)計(jì)[J];電子世界;2017年13期

相關(guān)會(huì)議論文 前7條

1 雷穎惠;張娟;楊文佳;;一種基于改進(jìn)均值漂移的實(shí)時(shí)目標(biāo)檢測(cè)與跟蹤算法[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

2 周志強(qiáng);汪渤;潘大夫;;基于PHD的實(shí)時(shí)目標(biāo)識(shí)別與跟蹤研究[A];圖像圖形技術(shù)研究與應(yīng)用2009——第四屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

3 李嘉偉;孫明;;基于分塊LAB特征的粒子濾波目標(biāo)跟蹤算法[A];中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C];2011年

4 郭文佳;朱曉輝;王向軍;;野外圖像監(jiān)測(cè)中地平線附近的弱小目標(biāo)的實(shí)時(shí)檢測(cè)[A];光電技術(shù)與系統(tǒng)文選——中國(guó)光學(xué)學(xué)會(huì)光電技術(shù)專業(yè)委員會(huì)成立二十周年暨第十一屆全國(guó)光電技術(shù)與系統(tǒng)學(xué)術(shù)會(huì)議論文集[C];2005年

5 王靜靜;林明秀;魏穎;;基于灰度相關(guān)的幀間差分和背景差分相融合的實(shí)時(shí)目標(biāo)檢測(cè)[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第六分冊(cè)）[中南大學(xué)學(xué)報(bào)（增刊）][C];2009年

6 蔣建國(guó);安紅新;齊美彬;;復(fù)雜背景下快速的目標(biāo)檢測(cè)方法[A];2011中國(guó)儀器儀表與測(cè)控技術(shù)大會(huì)論文集[C];2011年

7 劉希凌;汪渤;鄭智輝;;基于DSP+FPGA的機(jī)場(chǎng)視頻輔助監(jiān)控系統(tǒng)設(shè)計(jì)[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)D卷[C];2011年

相關(guān)重要報(bào)紙文章 前2條

1 粱旭娟;把表演變成表達(dá)[N];新疆日?qǐng)?bào)(漢);2011年

2 ;Web服務(wù)推動(dòng)BI演進(jìn)[N];網(wǎng)絡(luò)世界;2003年

相關(guān)碩士學(xué)位論文 前10條

1 魏溫典;基于特征增強(qiáng)的實(shí)時(shí)目標(biāo)檢測(cè)[D];華中科技大學(xué);2019年

2 趙春梅;基于深度學(xué)習(xí)的實(shí)時(shí)目標(biāo)跟蹤應(yīng)用研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院光電技術(shù)研究所);2019年

3 柳佳園;基于嵌入式異構(gòu)GPU平臺(tái)的實(shí)時(shí)目標(biāo)檢測(cè)系統(tǒng)設(shè)計(jì)[D];山東大學(xué);2019年

4 熊恒昌;基于深度學(xué)習(xí)的實(shí)時(shí)目標(biāo)檢測(cè)[D];湖南大學(xué);2018年

5 王璞;基于偽標(biāo)注生成器的弱標(biāo)記實(shí)時(shí)目標(biāo)檢測(cè)方法[D];哈爾濱工業(yè)大學(xué);2018年

6 袁文強(qiáng);基于FPGA的實(shí)時(shí)目標(biāo)跟蹤系統(tǒng)關(guān)鍵技術(shù)研究和實(shí)現(xiàn)[D];西安電子科技大學(xué);2018年

7 雷維卓;基于YOLOv2的實(shí)時(shí)目標(biāo)檢測(cè)研究[D];重慶大學(xué);2018年

8 陳鵬飛;基于多尺度特征融合的實(shí)時(shí)目標(biāo)檢測(cè)[D];西安電子科技大學(xué);2018年

9 金龍;光電實(shí)時(shí)目標(biāo)識(shí)別原理及系統(tǒng)開發(fā)研究[D];南京理工大學(xué);2005年

10 孫偉斌;復(fù)雜場(chǎng)景中的實(shí)時(shí)目標(biāo)識(shí)別[D];上海交通大學(xué);2009年

本文編號(hào)：2616227