目標(biāo)檢測(cè)是指對(duì)圖片中的目標(biāo)進(jìn)行定位和分類。目標(biāo)檢測(cè)是計(jì)算機(jī)視覺的核心,在圖像識(shí)別、大規(guī)模場(chǎng)景識(shí)別等方面得到了廣泛應(yīng)用。深度學(xué)習(xí)方法在目標(biāo)檢測(cè)領(lǐng)域應(yīng)用廣泛,并取得了遠(yuǎn)超傳統(tǒng)方法的效果�；谏疃葘W(xué)習(xí)的目標(biāo)檢測(cè)方法可分為基于區(qū)域建議的方法和無區(qū)域建議的方法。區(qū)域建議方法在圖片上生成大量候選區(qū)域,將可能包含物體的區(qū)域作為建議區(qū)域,之后再對(duì)建議區(qū)域進(jìn)行分類,無區(qū)域建議的方法則直接回歸得到物體的位置和類別�；趨^(qū)域建議的方法通常具有更高的精度和魯棒性,因此本文主要研究了基于區(qū)域建議的檢測(cè)方法。區(qū)域建議網(wǎng)絡(luò)是一種常用的區(qū)域建議方法,首先通過卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)特征提取,再利用特征信息回歸出高質(zhì)量的建議區(qū)域。區(qū)域建議網(wǎng)絡(luò)提升了建議區(qū)域的質(zhì)量并減少了建議區(qū)域的數(shù)量,因此區(qū)域建議網(wǎng)絡(luò)大幅提升了檢測(cè)的速度和精度。但區(qū)域建議網(wǎng)絡(luò)只利用了單一尺度的特征圖,單一尺度的特征圖中包含的信息不足,因此區(qū)域建議網(wǎng)絡(luò)對(duì)于較小物體的檢測(cè)效果較差。本文在總結(jié)深度學(xué)習(xí)中常用的多尺度方法和注意力機(jī)制的基礎(chǔ)上,對(duì)深度神經(jīng)網(wǎng)絡(luò)中的特征融合方法進(jìn)行了深入研究,提出在一種能高效利用多尺度信息的區(qū)域建議網(wǎng)絡(luò),該方法被稱為基于多尺度的區(qū)域建議網(wǎng)絡(luò)...

【文章頁數(shù)】：51 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1單階段目標(biāo)檢測(cè)的一般流程圖

湖北工業(yè)大學(xué)碩士學(xué)位論文8第2章相關(guān)理論基礎(chǔ)本文的主要工作是在目標(biāo)檢測(cè)任務(wù)的背景下，研究基于深度學(xué)習(xí)的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)與特征提取方法。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種，其借助多層任務(wù)模塊完成學(xué)習(xí)任務(wù)。算法以數(shù)據(jù)的原始形態(tài)作為算法輸入，深度學(xué)習(xí)網(wǎng)絡(luò)負(fù)責(zé)學(xué)習(xí)將數(shù)據(jù)抽象為特征，再從特征到任務(wù)目標(biāo)的....

圖2.2雙階段目標(biāo)檢測(cè)的一般流程圖

湖北工業(yè)大學(xué)碩士學(xué)位論文9而雙階段網(wǎng)絡(luò)則認(rèn)為應(yīng)當(dāng)先解決第一個(gè)任務(wù)，再進(jìn)一步解決第二個(gè)、第三個(gè)任務(wù)。雙階段目標(biāo)檢測(cè)的流程如如圖2.2所示。雙階段檢檢測(cè)網(wǎng)絡(luò)由兩個(gè)神經(jīng)網(wǎng)絡(luò)組成，分為第一階段網(wǎng)絡(luò)和第二階段網(wǎng)絡(luò)。第一階段網(wǎng)絡(luò)負(fù)責(zé)給出區(qū)域建議，判斷出可能存在目標(biāo)物體的區(qū)域，第二階段網(wǎng)絡(luò)則負(fù)....

圖2.3錨點(diǎn)機(jī)制與訓(xùn)練樣本生成

湖北工業(yè)大學(xué)碩士學(xué)位論文11在不同算法中，對(duì)錨點(diǎn)機(jī)制的使用方式有些許不同。但總的來說，引入錨點(diǎn)機(jī)制有兩個(gè)好處。第一，降低網(wǎng)絡(luò)的學(xué)習(xí)難度。錨點(diǎn)類似于一種先驗(yàn)信息，網(wǎng)絡(luò)只需要利用局部的特征來判斷錨點(diǎn)周圍是否有物體，錨點(diǎn)的位置是否應(yīng)該進(jìn)行微調(diào)，這與卷積神經(jīng)網(wǎng)絡(luò)的工作方式保持了高度一致，....

圖2.4FasterRCNN的流程與網(wǎng)絡(luò)結(jié)構(gòu)圖

湖北工業(yè)大學(xué)碩士學(xué)位論文142.3.1Faster-Rcnn的整體流程Faster-Rcnn是一種雙階段檢測(cè)網(wǎng)絡(luò)，可分為區(qū)域建議網(wǎng)絡(luò)和興趣區(qū)域分類網(wǎng)絡(luò)。區(qū)域建議網(wǎng)絡(luò)負(fù)責(zé)產(chǎn)生候選框，候選框是指挑選出可能包含目標(biāo)物體的錨框，并對(duì)其進(jìn)行粗略調(diào)整后得到的結(jié)果。興趣區(qū)域分類網(wǎng)絡(luò)負(fù)責(zé)對(duì)候選框....

本文編號(hào)：3917807