隨著網(wǎng)絡(luò)技術(shù)的飛速發(fā)展,無人超市作為新零售模式被廣泛關(guān)注。無人超市現(xiàn)有解決方案多通過對商品貼裝RFID設(shè)備實(shí)現(xiàn),成本偏高。近年深度神經(jīng)網(wǎng)絡(luò)的發(fā)展迅速,隨之而來的是目標(biāo)檢測算法的快速更迭,使基于計(jì)算機(jī)視覺的無人超市解決方案成為可能。故本文以深度神經(jīng)網(wǎng)絡(luò)為基礎(chǔ),研究便利店的商品檢測與識別算法。本文首先對目標(biāo)檢測算法在泛化數(shù)據(jù)集上的性能表現(xiàn)進(jìn)行了研究。深度神經(jīng)網(wǎng)絡(luò)擁有強(qiáng)特征表達(dá)能力的優(yōu)勢,在檢測與識別任務(wù)中都有突出的表現(xiàn),故現(xiàn)有目標(biāo)檢測算法多以深度神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)。商品識別以精度為第一指標(biāo),本文著重研究基于區(qū)域的檢測識別算法。Faster R-CNN模型是基于區(qū)域的檢測算法中的重要模型,在對該模型進(jìn)行深入研究后,本文對Faster R-CNN模型中的特征提取網(wǎng)絡(luò)表達(dá)特征尺度不夠豐富的問題作出改進(jìn),提出了基于多尺度特征融合的Faster R-CNN模型,并在VOC2007數(shù)據(jù)集上提升了檢測的準(zhǔn)確率。在泛化數(shù)據(jù)集的研究基礎(chǔ)之上,本文針對便利店商品數(shù)據(jù)集的特性:商品尺寸差異大、遮擋明顯和細(xì)長商品較多,提出了基于深度多尺度特征融合的商品檢測算法。該算法以Faster R-CNN為基礎(chǔ),將特征提取網(wǎng)絡(luò)改... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【部分圖文】：

三種卷積模式

轉(zhuǎn)變?yōu)榱溯斎雸D像經(jīng)過一次特征提取網(wǎng)絡(luò)，使用多任務(wù)訓(xùn)練（Multi-task）將區(qū)域分類與ax 分類器代替 SVM，直接輸出分類得分，F(xiàn)ast R-CNN 相比于 R-CNN 在訓(xùn)練速度、檢測支持實(shí)時(shí)目標(biāo)檢測任務(wù)為著眼點(diǎn)的 Faster R 73.2%mAP 的結(jié)果，同時(shí)處理速度達(dá)到了 5故 Faster R-CNN 模型作為目標(biāo)檢測領(lǐng)域內(nèi)在 Fast R-CNN 的基礎(chǔ)上進(jìn)一步將區(qū)域推薦網(wǎng)絡(luò)中，實(shí)現(xiàn)了端到端學(xué)習(xí)。使用區(qū)域推薦N）代替選擇性搜索（Selective Search）算法度更快同時(shí)更加準(zhǔn)確；特征提起網(wǎng)絡(luò)的選擇t 與 VGG-Net 代替了 Alex-Net，更深的網(wǎng)絡(luò)下：

第三章 基于多尺度特征融合的目標(biāo)檢測模型29圖3.4 區(qū)域推薦網(wǎng)絡(luò)示意圖如上圖所示，區(qū)域推薦網(wǎng)絡(luò)對每個(gè)滑動(dòng)窗口根據(jù)三種不同尺度（8,16,32）和三種不同長寬比[1:2，1:1，2:1]構(gòu)造 9 個(gè)預(yù)候選框（anchor），即上圖中的k 。在次級網(wǎng)絡(luò)中，框回歸任務(wù)輸出為4 9，即對每一個(gè)候選框的四個(gè)坐標(biāo)參數(shù)（中心點(diǎn)坐標(biāo)以及框的長寬）預(yù)測一組偏移量，采用 L1 平滑損失函數(shù)

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)Faster R-CNN算法的車輛檢測[J]. 林國平,余曉龍.  閩南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[2]基于改進(jìn)Faster R-CNN的Logo目標(biāo)檢測方法[J]. 黃明珠,黃文清.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(02)

碩士論文
[1]基于深度學(xué)習(xí)的大規(guī)模商品圖像分類研究[D]. 艾姍姍.北京交通大學(xué) 2018
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的鐵軌表面缺陷識別研究[D]. 劉雄祥.西南科技大學(xué) 2018
[3]商品圖像檢測方法的研究[D]. 王智慧.北京郵電大學(xué) 2018
[4]基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)及其在靜態(tài)目標(biāo)檢測方面的應(yīng)用[D]. 王飛.北京郵電大學(xué) 2017



本文編號：3498350