國防和軍隊建設(shè)是我國國民經(jīng)濟發(fā)展的安全保障,射擊訓(xùn)練對于提高士兵的作戰(zhàn)能力非常關(guān)鍵。智能移動靶能夠模擬逼真的戰(zhàn)場情景,有助于提高受訓(xùn)官兵的實戰(zhàn)能力。而智能移動靶設(shè)計的核心就在于移動靶的空間自主定位能力,定位的不精確可能導(dǎo)致移動靶未能出現(xiàn)在指定射擊區(qū)域,嚴(yán)重情況下甚至?xí)a(chǎn)生射擊安全隱患。鑒于此,本文研究并實現(xiàn)了一種有監(jiān)督數(shù)據(jù)增強的卷積神經(jīng)網(wǎng)絡(luò)遷移學(xué)習(xí)的智能移動靶圖像分類定位的方法。本文主要研究工作如下:1、使用三種機器學(xué)習(xí)方法對靜態(tài)空間進(jìn)行場景分類定位。通過調(diào)整圖像大小和使用顏色直方圖均衡化,再通過扁平化處理轉(zhuǎn)成一維行像素,將樣本集預(yù)處理為特征向量輸出,通過實驗得到三種機器學(xué)習(xí)的分類定位結(jié)果。提出基于深度學(xué)習(xí)的靜態(tài)空間定位方法,設(shè)計了卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型和網(wǎng)絡(luò)參數(shù),通過實驗得到卷積神經(jīng)網(wǎng)絡(luò)的分類定位結(jié)果。2、針對復(fù)雜動態(tài)空間小樣本數(shù)據(jù)集的空間分類定位問題,提出基于有監(jiān)督數(shù)據(jù)增強的卷積神經(jīng)網(wǎng)絡(luò)遷移學(xué)習(xí)的方法。卷積神經(jīng)網(wǎng)絡(luò)的模型選用已經(jīng)訓(xùn)練好的Inception-V3模型,并分別研究單一圖像定位和合并圖像定位的定位效果。實驗結(jié)果表明,圖像在已有數(shù)據(jù)的基礎(chǔ)上,采用預(yù)設(shè)數(shù)據(jù)變換規(guī)律進(jìn)行數(shù)據(jù)的擴充...

【文章頁數(shù)】：105 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究的背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 射擊靶的研究現(xiàn)狀
        1.2.2 室內(nèi)外空間定位算法的研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
第二章 智能移動靶圖像定位系統(tǒng)的整體研究
    2.1 智能移動靶系統(tǒng)設(shè)計要求及算法分析
        2.1.1 功能需求
        2.1.2 圖像定位算法分析
    2.2 系統(tǒng)硬件選型
        2.2.1 工業(yè)相機的選型
        2.2.2 鏡頭的選型
    2.3 系統(tǒng)總體方案研究
        2.3.1 移動平臺設(shè)計
        2.3.2 圖像定位系統(tǒng)
        2.3.3 信息管理終端系統(tǒng)
    2.4 圖像定位系統(tǒng)的軟件設(shè)計
        2.4.1 圖像定位系統(tǒng)的軟件框架
        2.4.2 數(shù)據(jù)通訊模塊
        2.4.3 設(shè)置相機模塊
        2.4.4 定位預(yù)測模塊
        2.4.5 地圖坐標(biāo)顯示模塊
        2.4.6 移動靶信息采集管理模塊
    2.5 本章小結(jié)
第三章 機器人圖像分類算法定位研究
    3.1 淺層學(xué)習(xí)與深度學(xué)習(xí)
        3.1.1 淺層學(xué)習(xí)
        3.1.2 深度學(xué)習(xí)
    3.2 算法研究的前期準(zhǔn)備
        3.2.1 硬件準(zhǔn)備
        3.2.2 軟件準(zhǔn)備
    3.3 位置圖像采集與預(yù)處理
        3.3.1 位置圖像采集
        3.3.2 位置圖像預(yù)處理
    3.4 K最近鄰KNN算法圖像分類定位研究
        3.4.1 K最近鄰算法概述
        3.4.2 K最近鄰算法的實驗分析
    3.5 支持向量機SVM算法圖像分類定位研究
        3.5.1 支持向量機算法概述
        3.5.2 支持向量機算法的實驗分析
    3.6 多層感知機MLP算法圖像分類定位研究
        3.6.1 多層感知機算法概述
        3.6.2 多層感知機算法的實驗分析
    3.7 卷積神經(jīng)網(wǎng)絡(luò)CNN算法圖像分類定位研究
        3.7.1 卷積神經(jīng)網(wǎng)絡(luò)概述
        3.7.2 卷積神經(jīng)網(wǎng)絡(luò)的正向傳播
        3.7.3 卷積神經(jīng)網(wǎng)絡(luò)的反向傳播
        3.7.4 卷積神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)設(shè)計
        3.7.5 卷積神經(jīng)網(wǎng)絡(luò)的實驗分析
    3.8 四種分類定位算法結(jié)果對比分析
    3.9 本章小結(jié)
第四章 基于有監(jiān)督數(shù)據(jù)增強的遷移學(xué)習(xí)的動態(tài)定位研究
    4.1 遷移學(xué)習(xí)概述
    4.2 Inception模型
    4.3 單一圖像定位的遷移學(xué)習(xí)實驗與結(jié)果
        4.3.1 單一圖像采集與分類
        4.3.2 單一圖像預(yù)處理
        4.3.3 單一圖像的訓(xùn)練過程及結(jié)果
        4.3.4 單一圖像訓(xùn)練模型的實際測試結(jié)果
        4.3.5 單一圖像模型對動態(tài)環(huán)境遷移學(xué)習(xí)定位的總結(jié)
    4.4 合并圖像優(yōu)化數(shù)據(jù)后的對比實驗與結(jié)果
        4.4.1 合并圖像采集與分類
        4.4.2 合并圖像預(yù)處理
        4.4.3 合并圖像增強數(shù)據(jù)后的訓(xùn)練過程及結(jié)果
        4.4.4 合并圖像訓(xùn)練模型的實際測試結(jié)果
        4.4.5 合并圖像模型對動態(tài)環(huán)境定位的總結(jié)
    4.5 對比實驗綜合分析
    4.6 移動底盤聯(lián)合調(diào)試性能研究
    4.7 本章小結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
參考文獻(xiàn)
致謝
碩士期間研究成果



本文編號：3850024