基于深度學(xué)習(xí)的管制物品自動檢測算法研究
發(fā)布時間:2021-06-19 22:35
本文旨在研究實現(xiàn)安檢中管制物品的自動檢測,從而提高安檢效率,一定程度上節(jié)省人力資源的浪費,管制物品自動檢測可以歸結(jié)為一個目標檢測問題,如今深度學(xué)習(xí)在各個領(lǐng)域獲得良好效果和廣泛應(yīng)用,促使目標檢測算法研究取得了飛速發(fā)展,本文專門構(gòu)建了針對管制物品的數(shù)據(jù)集(SDCI2018),重點研究采用深度學(xué)習(xí)方法進行目標檢測的算法SSD和YOLOv3在管制物品檢測中的應(yīng)用以及根據(jù)實際需要進行一系列相關(guān)改善措施來提升在安檢X光片這些特殊目標上的檢測效果,最終構(gòu)建管制物品自動檢測系統(tǒng)滿足應(yīng)用。在SSD算法研究中,針對其對安檢圖片檢測存在小目標漏檢、誤檢等問題,本文通過對圖片分區(qū)域檢測和特征融合的目標檢測算法來有效改善小目標檢測效果;并且采用多個角度旋轉(zhuǎn)等策略對數(shù)據(jù)集進行擴增,其中由于卷積神經(jīng)網(wǎng)絡(luò)沒有旋轉(zhuǎn)不變性,所以角度旋轉(zhuǎn)處理采用離線方式,從而實現(xiàn)對整個數(shù)據(jù)集進行成倍擴增,而其他預(yù)處理數(shù)據(jù)增廣方式包括鏡像、形變、亮度、對比度、混合、加噪、顏色空間變換等處理方式則在訓(xùn)練時采用隨機變換來增加數(shù)據(jù)多樣性擾動;接著在Single Shot MultiBox Detector(SSD)算法的基礎(chǔ)上,利用多尺度特征融合...
【文章來源】:江西理工大學(xué)江西省
【文章頁數(shù)】:77 頁
【學(xué)位級別】:碩士
【部分圖文】:
圖像鏡像(左為原圖,右為變換后)
圖像尺度變換(左為原圖,右為變換后)
圖3.3 圖像尺度變換(左為原圖,右為變換后) 3) 平移 對圖像進行水平或垂直平移,一般指定一個平移范圍,變換函數(shù)在指定范圍內(nèi)進行隨機采樣,令長寬分別平移對應(yīng)長度,也可保持移動距離一致,如圖 3.4。
【參考文獻】:
期刊論文
[1]X光圖片禁帶品智能識別技術(shù)[J]. 王玉維,楊波,馬衛(wèi)東. 中國傳媒大學(xué)學(xué)報(自然科學(xué)版). 2019(04)
[2]X光圖片智能識別云平臺的關(guān)鍵技術(shù)研究[J]. 赫楠,姬光,吳倩,胡寧. 中國傳媒大學(xué)學(xué)報(自然科學(xué)版). 2019(03)
[3]融合位置尺度信息的胸部X光肺結(jié)節(jié)檢測[J]. 焦慶磊,陳宇彤,朱明. 小型微型計算機系統(tǒng). 2019(06)
[4]Faster R-CNN在工業(yè)CT圖像缺陷檢測中的應(yīng)用[J]. 常海濤,茍軍年,李曉梅. 中國圖象圖形學(xué)報. 2018(07)
[5]基于深度學(xué)習(xí)實現(xiàn)電子產(chǎn)品X光片的自動檢測研究[J]. 陳光希,馮峰. 信息技術(shù)與信息化. 2017(08)
[6]基于Fast R-CNN的車輛目標檢測[J]. 曹詩雨,劉躍虎,李辛昭. 中國圖象圖形學(xué)報. 2017(05)
[7]基于計算機視覺的X射線圖像異物分類研究[J]. 王宇,鄒文輝,楊曉敏,姜維,吳煒. 液晶與顯示. 2017(04)
本文編號:3238668
【文章來源】:江西理工大學(xué)江西省
【文章頁數(shù)】:77 頁
【學(xué)位級別】:碩士
【部分圖文】:
圖像鏡像(左為原圖,右為變換后)
圖像尺度變換(左為原圖,右為變換后)
圖3.3 圖像尺度變換(左為原圖,右為變換后) 3) 平移 對圖像進行水平或垂直平移,一般指定一個平移范圍,變換函數(shù)在指定范圍內(nèi)進行隨機采樣,令長寬分別平移對應(yīng)長度,也可保持移動距離一致,如圖 3.4。
【參考文獻】:
期刊論文
[1]X光圖片禁帶品智能識別技術(shù)[J]. 王玉維,楊波,馬衛(wèi)東. 中國傳媒大學(xué)學(xué)報(自然科學(xué)版). 2019(04)
[2]X光圖片智能識別云平臺的關(guān)鍵技術(shù)研究[J]. 赫楠,姬光,吳倩,胡寧. 中國傳媒大學(xué)學(xué)報(自然科學(xué)版). 2019(03)
[3]融合位置尺度信息的胸部X光肺結(jié)節(jié)檢測[J]. 焦慶磊,陳宇彤,朱明. 小型微型計算機系統(tǒng). 2019(06)
[4]Faster R-CNN在工業(yè)CT圖像缺陷檢測中的應(yīng)用[J]. 常海濤,茍軍年,李曉梅. 中國圖象圖形學(xué)報. 2018(07)
[5]基于深度學(xué)習(xí)實現(xiàn)電子產(chǎn)品X光片的自動檢測研究[J]. 陳光希,馮峰. 信息技術(shù)與信息化. 2017(08)
[6]基于Fast R-CNN的車輛目標檢測[J]. 曹詩雨,劉躍虎,李辛昭. 中國圖象圖形學(xué)報. 2017(05)
[7]基于計算機視覺的X射線圖像異物分類研究[J]. 王宇,鄒文輝,楊曉敏,姜維,吳煒. 液晶與顯示. 2017(04)
本文編號:3238668
本文鏈接:http://www.sikaile.net/guanlilunwen/xiangmuguanli/3238668.html
最近更新
教材專著