無人機(jī)目標(biāo)檢測是計(jì)算機(jī)視覺領(lǐng)域近年來興起的重要課題之一,有著較高的學(xué)術(shù)意義和應(yīng)用價(jià)值。隨著無人機(jī)在工業(yè)、農(nóng)業(yè)、安防和生活等各行業(yè)的普及,對無人機(jī)拍攝數(shù)據(jù)進(jìn)行視覺分析的需求正在顯著增加。當(dāng)前的無人機(jī)目標(biāo)檢測解決方案,主要是將成熟的深度學(xué)習(xí)通用目標(biāo)檢測方法遷移至無人機(jī)場景。然而,無人機(jī)拍攝數(shù)據(jù)存在場景多變、視角變化幅度大、目標(biāo)尺度多樣性廣等數(shù)據(jù)特點(diǎn),通用目標(biāo)檢測方法很難在準(zhǔn)確度和速度兩方面給出滿意的結(jié)果。本文分析無人機(jī)場景的數(shù)據(jù)特點(diǎn)后,圍繞“通過場景模型給出尺度預(yù)計(jì)進(jìn)而引導(dǎo)目標(biāo)檢測”這一核心思路,從場景中目標(biāo)之間的透視關(guān)系出發(fā),對無人機(jī)目標(biāo)檢測展開研究,主要工作包括:1)提出無人機(jī)場景透視建模方法。通過分析無人機(jī)數(shù)據(jù),指出檢測任務(wù)的核心挑戰(zhàn)在于目標(biāo)的尺度多樣性。以無人機(jī)圖像能反映場景結(jié)構(gòu)為出發(fā)點(diǎn),提出基于透視的場景建模,并實(shí)驗(yàn)分析了該模型對無人機(jī)場景的適用性,以及和其他尺度多樣性解決方案相比的優(yōu)點(diǎn)。所提透視估計(jì)圖通過推測目標(biāo)與鏡頭的距離、換算形變參數(shù)、生成透視標(biāo)注、神經(jīng)網(wǎng)絡(luò)估計(jì)等模塊,完成了對圖像中目標(biāo)尺度分布和置信度分布的估計(jì)。2)研究場景透視在現(xiàn)有目標(biāo)檢測框架下的利用形式。通過透視模型...

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1通用目標(biāo)檢測和無人機(jī)檢測的數(shù)據(jù)對比

第一章緒論1第一章緒論1.1研究背景及意義目標(biāo)檢測（ObjectDetection）是計(jì)算機(jī)視覺領(lǐng)域的經(jīng)典任務(wù)之一，其目的是對圖像中的目標(biāo)進(jìn)行分類和定位。目標(biāo)檢測一方面是許多視覺任務(wù)的研究基礎(chǔ)，如實(shí)例分割、目標(biāo)跟蹤、圖像翻譯等；另一方面具備極高的實(shí)際應(yīng)用價(jià)值，業(yè)界大量基于視覺方法....

圖1-3VisDrone和UAVDT中充滿挑戰(zhàn)的無人機(jī)場景

第一章緒論5富性和真實(shí)性，且多視角多目標(biāo)的特性較為契合本文的研究主題，因此本文中選取了該數(shù)據(jù)集作為主要的研究對象。同為2018年發(fā)布的UAVDT[23]也是一個(gè)具有研究價(jià)值的數(shù)據(jù)集，該數(shù)據(jù)集雖然僅標(biāo)注了小型客車、卡車、大型客車三個(gè)類別的2700個(gè)目標(biāo)，數(shù)據(jù)量小于VisDrone數(shù)....

圖2-1FasterR-CNN的框架結(jié)構(gòu)

華南理工大學(xué)碩士學(xué)位論文14圖2-1FasterR-CNN的框架結(jié)構(gòu)1.提取特征的主干網(wǎng)絡(luò)。主干網(wǎng)絡(luò)部分為多層的CNN架構(gòu)，最初的FasterR-CNN使用的是VGG-16。由于檢測框架和主干網(wǎng)絡(luò)之間的獨(dú)立性，任意成熟的CNN均可勝任這一任務(wù)。當(dāng)前的目標(biāo)檢測主干網(wǎng)絡(luò)通常在Imag....

圖3-1視角多樣性和包裹框不適配性

華南理工大學(xué)碩士學(xué)位論文243.3.1尺度估計(jì)圖對于每一張輸入的待檢測圖片，其對應(yīng)的尺度估計(jì)圖PES的目的是描述每一個(gè)像素位置處，如果出現(xiàn)了需要檢測的目標(biāo)，其最可能的尺度是多大，可以用公式（3-1）進(jìn)行表述：=(,)=(3-1)其中i代表待檢測圖像，j代表圖像中的某個(gè)像素位置。代....

本文編號：3906398