當(dāng)今世界,隨著人工智能的發(fā)展,各種各樣的智能化武器不斷涌現(xiàn)并被應(yīng)用到戰(zhàn)場,傳統(tǒng)的戰(zhàn)爭模式也逐漸轉(zhuǎn)向現(xiàn)代化、智能化戰(zhàn)爭模式。智能武器的使用大大的提高了作戰(zhàn)效能。在智能武器的使用中要求其能夠針對特定目標(biāo)進(jìn)行有效打擊,因此如何使得各種智能武器能夠像人類大腦一樣自動(dòng)識別各種軍事目標(biāo)成為需要解決的首要問題,本文針對幾種常見的軍事目標(biāo),基于當(dāng)前最流行的深度學(xué)習(xí)方法,采用改進(jìn)后的YOLOv3目標(biāo)檢測算法對常見的幾種軍事目標(biāo)進(jìn)行了智能識別研究。本文在介紹CNN網(wǎng)絡(luò)組成結(jié)構(gòu)與工作原理的基礎(chǔ)上,分析兩大類目標(biāo)檢測算法中的典型算法。隨后在深入分析當(dāng)前深度學(xué)習(xí)算法中使用的NMS算法缺陷基礎(chǔ)上,針對置信度直接置零的缺陷,創(chuàng)造性的提出了分段線性衰減函數(shù)調(diào)整置信度的改進(jìn)措施,而針貪心方式篩選的缺陷,則創(chuàng)造性的采用面積比較法與重疊區(qū)域長度判斷法對傳統(tǒng)的NMS算法進(jìn)行了優(yōu)化,得到了改進(jìn)后的NMS算法,并通過實(shí)驗(yàn)進(jìn)行了驗(yàn)證,結(jié)果表明,改進(jìn)后的NMS算法的性能得到了提高。針對當(dāng)前還沒有公開的軍事目標(biāo)數(shù)據(jù)集,本文自行構(gòu)建了用于常見軍事目標(biāo)檢測的數(shù)據(jù)集。構(gòu)建完成軍事目標(biāo)數(shù)據(jù)集后,通過配置好的系統(tǒng),在軍事目標(biāo)數(shù)據(jù)集上訓(xùn)練了YOL... 

【文章來源】：中北大學(xué)山西省

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
1.緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 深度學(xué)習(xí)研究現(xiàn)狀
        1.2.2 目標(biāo)檢測研究現(xiàn)狀
    1.3 本文主要內(nèi)容及結(jié)構(gòu)安排
2.深度學(xué)習(xí)技術(shù)理論基礎(chǔ)
    2.1 人工神經(jīng)網(wǎng)絡(luò)
        2.1.1 神經(jīng)元
        2.1.2 激活函數(shù)
        2.1.3 損失函數(shù)
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 卷積層
        2.2.2 池化層
        2.2.3 全連接層
        2.2.4 批規(guī)范化處理
    2.3 深度學(xué)習(xí)指標(biāo)
        2.3.1 準(zhǔn)確率
        2.3.2 召回率
        2.3.3 IOU
        2.3.4 AP與 MAP
        2.3.5 FPS
    2.4 本章小結(jié)
3.基于深度學(xué)習(xí)的目標(biāo)檢測算法研究
    3.1 基于候選區(qū)域的目標(biāo)檢測算法研究
        3.1.1 R–CNN目標(biāo)檢測算法
        3.1.2 Faster-RCNN目標(biāo)檢測算法
    3.2 基于端到端的目標(biāo)檢測算法研究
        3.2.1 YOLOv1 目標(biāo)檢測算法
        3.2.2 SSD目標(biāo)檢測算法
        3.2.3 YOLOv2 目標(biāo)檢測算法
        3.2.4 YOLOv3 目標(biāo)檢測算法
    3.3 本章小結(jié)
4.非極大值抑制算法優(yōu)化改進(jìn)
    4.1 傳統(tǒng)NMS算法及其缺陷分析
        4.1.1 傳統(tǒng)NMS算法的檢測過程
        4.1.2 傳統(tǒng)NMS算法缺陷分析
    4.2 NMS算法置信度直接置零調(diào)整策略改進(jìn)
        4.2.1 soft-NMS算法的缺陷分析
        4.2.2 NMS算法置信度分段線性衰減函數(shù)調(diào)整設(shè)計(jì)
    4.3 NMS算法貪心方式篩選改進(jìn)
        4.3.1 面積比較法改進(jìn)NMS算法
        4.3.2 重疊區(qū)域邊長最小長度判斷法改進(jìn)NMS算法
    4.4 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
5.基于YOLOv3 算法的軍事目標(biāo)檢測實(shí)驗(yàn)
    5.1 實(shí)驗(yàn)數(shù)據(jù)集
    5.2 系統(tǒng)配置
    5.3 YOLOv3 網(wǎng)絡(luò)模型訓(xùn)練
    5.4 軍事目標(biāo)檢測實(shí)驗(yàn)結(jié)果分析
        5.4.1 測試集A實(shí)驗(yàn)結(jié)果
        5.4.2 測試集B實(shí)驗(yàn)結(jié)果
    5.5 本章小結(jié)
6.總結(jié)與展望
    6.1 論文研究總結(jié)
    6.2 工作展望
參考文獻(xiàn)
致謝



本文編號：3026478