無(wú)人機(jī)（UAV）飛行器在各個(gè)領(lǐng)域的使用逐漸普遍化,但由于無(wú)人機(jī)監(jiān)管體系不健全導(dǎo)致各國(guó)頻發(fā)威脅公共安全的事件,研發(fā)一套自動(dòng)無(wú)人機(jī)檢測(cè)系統(tǒng)顯得尤為重要。雷達(dá)、紅外、聲波等檢測(cè)方式都應(yīng)用到了無(wú)人機(jī)檢測(cè)系統(tǒng)中,但在特定條件下各自都存在檢測(cè)缺陷。為此本文提出使用圖像識(shí)別的方式,基于深度學(xué)習(xí)的方法來(lái)對(duì)無(wú)人機(jī)進(jìn)行實(shí)時(shí)檢測(cè)。本文結(jié)合無(wú)人機(jī)檢測(cè)問(wèn)題從以下幾個(gè)方面展開研究:1.本文為了更好的得到無(wú)人機(jī)檢測(cè)算法的設(shè)計(jì)思路,結(jié)合可變形部件模型算法來(lái)實(shí)施無(wú)人機(jī)檢測(cè)算法研究,使用傳統(tǒng)滑窗法來(lái)實(shí)現(xiàn)無(wú)人機(jī)識(shí)別,并通過(guò)改進(jìn)融合跟蹤算法實(shí)現(xiàn)無(wú)人機(jī)實(shí)時(shí)性跟蹤。接著對(duì)區(qū)域提名的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行研究,對(duì)網(wǎng)絡(luò)架構(gòu)進(jìn)行改進(jìn),提升整體識(shí)別性能和小目標(biāo)無(wú)人機(jī)識(shí)別效果,最終實(shí)現(xiàn)無(wú)人機(jī)檢測(cè)。為后續(xù)高精度和高效率無(wú)人機(jī)識(shí)別算法提供更好的研究思路。2.本文通過(guò)采用深度學(xué)習(xí)的方式,使用深度卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)無(wú)人機(jī)的檢測(cè),解決傳統(tǒng)算法的泛化能力弱,魯棒性表現(xiàn)差,實(shí)時(shí)性差和準(zhǔn)確率不高的問(wèn)題。由于未發(fā)現(xiàn)公開的旋翼無(wú)人機(jī)標(biāo)準(zhǔn)數(shù)據(jù)集,使用相機(jī)拍攝呈現(xiàn)多種飛行姿態(tài),不同飛行高度,不同環(huán)境背景下的無(wú)人機(jī)視頻序列,然后制作了包含11797有效的無(wú)人機(jī)樣本數(shù)據(jù)集,...

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景及研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展
        1.2.1 使用其它技術(shù)的無(wú)人機(jī)檢測(cè)現(xiàn)狀
        1.2.2 使用卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)無(wú)人機(jī)檢測(cè)
    1.3 課題研究?jī)?nèi)容
    1.4 主要研究?jī)?nèi)容及組織
第二章 卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)介紹
    2.1 卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展
    2.2 卷積神經(jīng)網(wǎng)絡(luò)的特征
    2.3 卷積神經(jīng)網(wǎng)絡(luò)的重要技術(shù)
    2.4 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程
        2.4.1 前項(xiàng)傳播
        2.4.2 反向傳播
    2.5 深度學(xué)習(xí)開發(fā)工具
    2.6 本章小結(jié)
第三章 基于區(qū)域提名的無(wú)人機(jī)檢測(cè)算法
    3.1 基于傳統(tǒng)算法的無(wú)人機(jī)檢測(cè)研究
        3.1.1 目標(biāo)檢測(cè)流程
        3.1.2 無(wú)人機(jī)DPM模型
        3.1.3 無(wú)人機(jī)檢測(cè)效果
    3.2 目標(biāo)候選區(qū)域算法選擇
        3.2.1 選擇性搜索法
        3.2.2 區(qū)域候選網(wǎng)絡(luò)
    3.3 多任務(wù)損失函數(shù)
    3.4 無(wú)人機(jī)位置回歸器微調(diào)
    3.5 無(wú)人機(jī)檢測(cè)網(wǎng)絡(luò)加速優(yōu)化
        3.5.1 引入ROI池化加速
        3.5.2 全連接提速過(guò)程
    3.6 無(wú)人機(jī)檢測(cè)網(wǎng)絡(luò)架構(gòu)優(yōu)化
    3.7 區(qū)域提名網(wǎng)絡(luò)模型對(duì)比
    3.8 本章小結(jié)
第四章 基于改進(jìn)的卷積網(wǎng)絡(luò)無(wú)人機(jī)檢測(cè)算法
    4.1 網(wǎng)絡(luò)的整體架構(gòu)
    4.2 無(wú)人機(jī)樣本增強(qiáng)設(shè)計(jì)
    4.3 邊界框預(yù)測(cè)方法設(shè)計(jì)
        4.3.1 錨點(diǎn)生成過(guò)程
        4.3.2 邊界框預(yù)測(cè)及生成
        4.3.3 邊界框預(yù)測(cè)方法優(yōu)化
    4.4 損失函數(shù)優(yōu)化設(shè)計(jì)
    4.5 多尺度檢測(cè)研究
        4.5.1 多尺度樣本訓(xùn)練
        4.5.2 多尺度目標(biāo)檢測(cè)
    4.6 預(yù)測(cè)框過(guò)濾設(shè)計(jì)
    4.7 無(wú)人機(jī)分類預(yù)測(cè)
    4.8 模型訓(xùn)練參數(shù)和優(yōu)化
        4.8.1 網(wǎng)絡(luò)模型參數(shù)設(shè)置
        4.8.2 自適應(yīng)學(xué)習(xí)率優(yōu)化選型
        4.8.3 無(wú)人機(jī)模型訓(xùn)練結(jié)果
    4.9 本章小結(jié)
第五章 實(shí)驗(yàn)平臺(tái)搭建和結(jié)果評(píng)估
    5.1 實(shí)驗(yàn)平臺(tái)環(huán)境搭建
    5.2 無(wú)人機(jī)數(shù)據(jù)集
    5.3 樣本訓(xùn)練
    5.4 實(shí)驗(yàn)結(jié)果評(píng)估和分析
        5.4.1 無(wú)人機(jī)檢測(cè)效果
        5.4.2 改進(jìn)后與未改進(jìn)的算法比較
        5.4.3 改進(jìn)后的與其他算法比較
    5.5 無(wú)人機(jī)檢測(cè)系統(tǒng)應(yīng)用
        5.5.1 無(wú)人機(jī)檢測(cè)系統(tǒng)結(jié)構(gòu)
        5.5.2 無(wú)人機(jī)檢測(cè)系統(tǒng)軟件
    5.6 本章小結(jié)
第六章 總結(jié)與展望
    6.1 論文工作總結(jié)
    6.2 未來(lái)研究展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果



本文編號(hào)：4046425