發(fā)布時間：2020-04-06 07:45

【摘要】：基于卷積神經(jīng)網(wǎng)絡(luò)的實時目標檢測是計算機視覺領(lǐng)域的關(guān)鍵技術(shù),根據(jù)檢測的原理和結(jié)構(gòu)的不同可以分為一體化回歸檢測和區(qū)域推薦檢測。一體化回歸檢測可以實現(xiàn)快速的目標檢測,但召回率不高,在針對小目標檢測時準確度偏低。區(qū)域推薦檢測可以實現(xiàn)高精度的目標檢測,但檢測的速度很慢。而且當前許多目標檢測模型存在量化誤差、目標特征丟失和分類不均衡等問題。針對上述問題,在本文中,我們提出了一個基于特征增強的實時目標檢測框架。該框架包含五種特征增強的優(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了特征圖譜中目標的特征信息,卷積網(wǎng)絡(luò)完全共享有效的降低在將目標推薦區(qū)域和位置敏感得分映射特征圖譜進行位置特征映射時產(chǎn)生的位置特征誤差。輕量化位置敏感得分映射的設(shè)計簡化了網(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模型中分類和檢測的通道數(shù)目不均衡問題。向上量化取整的方案使目標特征信息進一步得到增強,單層全連接層充分的利用了增強后的目標特征信息,提高了目標檢測的準確度和速度。我們的研究成果在DAC2018公開數(shù)據(jù)集上進行訓練和檢測,與R-FCN相比,我們的準確率提高了8.5%,檢測吞吐率是其1.4倍。在2018年第55屆Design Automatic Conference(DAC)系統(tǒng)設(shè)計大賽的24支決賽隊伍中,我的ZF為特征提取網(wǎng)絡(luò)的模型的平均檢測精度為0.6317 mAP,檢測速度達到了24.67 FPS,取得了第6名的成績。
【圖文】：

目標檢測是大量高級視覺任務(wù)的必備交互、虛擬現(xiàn)實、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檢測的實際應(yīng)用。測過程中，機器視覺系統(tǒng)是為機器或自動化生產(chǎn)線設(shè)計機器模擬人的視覺功能，對目標對象進行識別、測是用機器視覺技術(shù)代替人進行檢測，在大批量標準了極大優(yōu)勢。相對于傳統(tǒng)檢測方法，機器視覺技術(shù)進行一致性質(zhì)量標準檢驗�；�于機器視覺系統(tǒng)的高以同時獲取大量信息并在短時間內(nèi)快速自動處理，，動化管理過程中具有不可替代的作用。例如，在傳簽等人工密集型檢測模式的行業(yè)，我們也可以依據(jù)級為高精度快速的自動檢測，提高產(chǎn)業(yè)效率并降低

中 科 技 大 學 碩 士 學 位 論 員進行提示或報警，未對駕駛員的駕駛行為和車輛運行產(chǎn)生干，常見的輔助人工駕駛系統(tǒng)如車道偏離報警系統(tǒng)和疲勞駕駛報則是在車輛行駛過程中根據(jù)一些突發(fā)的事件，在駕駛員未反應(yīng)進行幫助，如主動剎車防碰撞系統(tǒng)和剎車防抱死系統(tǒng)等，提高自動化駕駛則是可以讓駕駛員在一定時間讓車輛自動行駛，輛行駛狀態(tài)，在必要時對車輛進行干預(yù)，從而實現(xiàn)車輛的半自航系統(tǒng)，而完全自動化駕駛則是車輛運行過程中根據(jù)路況信息行控制。近些年來，基于人工智能的自動駕駛的研發(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
【學位授予單位】：華中科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 趙珍珍;;基于壓縮感知的實時目標追蹤算法[J];現(xiàn)代電子技術(shù);2015年03期

2 周昕;厲小潤;;基于逐波段處理的高光譜圖像實時目標檢測[J];工業(yè)控制計算機;2015年06期

3 楊魯新;董文博;;高幀頻視覺實時目標檢測系統(tǒng)[J];電子技術(shù)應(yīng)用;2019年04期

4 金友;幀取樣器執(zhí)行實時目標分析[J];光機電信息;1998年08期

5 侯小毛;王淑娟;徐仁伯;;實時目標跟蹤中自適應(yīng)尺度計算[J];計算機工程與設(shè)計;2017年05期

6 肖永強;王海暉;劉奧麗;王子維;章劉斌;;雙目實時目標三維測量實現(xiàn)方法的研究[J];武漢工程大學學報;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時目標識別與跟蹤[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實現(xiàn)上位機的實時目標跟蹤[J];信息與電子工程;2010年03期

9 ;科技動態(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;;基于實時目標跟蹤的智能監(jiān)區(qū)視頻監(jiān)控軟件設(shè)計[J];電子世界;2017年13期

相關(guān)會議論文 前7條

1 雷穎惠;張娟;楊文佳;;一種基于改進均值漂移的實時目標檢測與跟蹤算法[A];2011年中國智能自動化學術(shù)會議論文集（第一分冊）[C];2011年

2 周志強;汪渤;潘大夫;;基于PHD的實時目標識別與跟蹤研究[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)用學術(shù)會議論文集[C];2009年

3 李嘉偉;孫明;;基于分塊LAB特征的粒子濾波目標跟蹤算法[A];中國農(nóng)業(yè)工程學會2011年學術(shù)年會論文集[C];2011年

4 郭文佳;朱曉輝;王向軍;;野外圖像監(jiān)測中地平線附近的弱小目標的實時檢測[A];光電技術(shù)與系統(tǒng)文選——中國光學學會光電技術(shù)專業(yè)委員會成立二十周年暨第十一屆全國光電技術(shù)與系統(tǒng)學術(shù)會議論文集[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時目標檢測[A];2009年中國智能自動化會議論文集（第六分冊）[中南大學學報（增刊）][C];2009年

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

7 劉希凌;汪渤;鄭智輝;;基于DSP+FPGA的機場視頻輔助監(jiān)控系統(tǒng)設(shè)計[A];中國自動化學會控制理論專業(yè)委員會D卷[C];2011年

相關(guān)重要報紙文章 前2條

1 粱旭娟;把表演變成表達[N];新疆日報(漢);2011年

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

相關(guān)碩士學位論文 前10條

1 魏溫典;基于特征增強的實時目標檢測[D];華中科技大學;2019年

2 趙春梅;基于深度學習的實時目標跟蹤應(yīng)用研究[D];中國科學院大學(中國科學院光電技術(shù)研究所);2019年

3 柳佳園;基于嵌入式異構(gòu)GPU平臺的實時目標檢測系統(tǒng)設(shè)計[D];山東大學;2019年

4 熊恒昌;基于深度學習的實時目標檢測[D];湖南大學;2018年

5 王璞;基于偽標注生成器的弱標記實時目標檢測方法[D];哈爾濱工業(yè)大學;2018年

6 袁文強;基于FPGA的實時目標跟蹤系統(tǒng)關(guān)鍵技術(shù)研究和實現(xiàn)[D];西安電子科技大學;2018年

7 雷維卓;基于YOLOv2的實時目標檢測研究[D];重慶大學;2018年

8 陳鵬飛;基于多尺度特征融合的實時目標檢測[D];西安電子科技大學;2018年

9 金龍;光電實時目標識別原理及系統(tǒng)開發(fā)研究[D];南京理工大學;2005年

10 孫偉斌;復(fù)雜場景中的實時目標識別[D];上海交通大學;2009年

本文編號：2616227