目標檢測一直以來都是學術(shù)界和工業(yè)界研究的熱點課題,近年來得到了更加快速的發(fā)展,但仍然存在著許多的問題,目標小、目標過多、目標過于密集、目標傾斜等都是影響準確率的因素,因此,如何克服這些負面因素,同時提高準確率和檢測速度是研究者們面臨的問題。近年來產(chǎn)生了許多優(yōu)秀的研究成果,例如:Yolo,Retinanet,Faster-rcnn。但是這些方法都只對稀疏的目標場景有效,對于密集型的具有方向性的目標檢測任務(wù)效果欠佳,因為在傾斜場景下使用正矩形目標框會使相鄰目標重疊面積過大,從而導致訓練的時候包含的干擾特征過多,且在進行非極大值抑制的時候閾值不好選擇的問題,為了解決上述面臨的問題,本文將提出一種新型的專門針對此類密集型具有方向性的目標檢測場景的方法,使用具有傾斜角度的矩形框作為候選框的定向匹配網(wǎng)絡(luò)(DMnet),可以有效的避免相鄰特征的干擾以及非極大值抑制不準的問題,由于采用了傾斜矩形框作為候選框,從而導致后續(xù)IOU計算、傾斜框的回歸、Loss函數(shù)等需要進行改進,本文針對以上問題都給出了相應的解決方案,并且在快消品數(shù)據(jù)集上進行了實驗,驗證了本文所提出的方法具有可行性,并取得了不錯的效果,和經(jīng)...

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 選題背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢
        1.2.1 目標檢測技術(shù)研究現(xiàn)狀
        1.2.2 快消品檢測研究現(xiàn)狀
        1.2.3 下一步發(fā)展趨勢
    1.3 目標檢測存在的難點及挑戰(zhàn)
    1.4 本文研究內(nèi)容
    1.5 論文的組織結(jié)構(gòu)
第2章 目標檢測相關(guān)理論與方法
    2.1 目標檢測算法基本框架
    2.2 候選框生成算法介紹
        2.2.1 EdgeBox算法
        2.2.2 Selective Search算法
        2.2.3 基于RPN結(jié)構(gòu)的候選框生成算法
    2.3 基于候選框的目標檢測方法
        2.3.1 R-CNN算法
        2.3.2 Fast R-CNN算法
        2.3.3 Faster R-CNN算法
    2.4 基于回歸的目標檢測方法
        2.4.1 YOLO算法
        2.4.2 SSD算法
        2.4.3 Retinanet算法
    2.5 目標檢測常用數(shù)據(jù)集
        2.5.1 PASCAL VOC數(shù)據(jù)集
        2.5.2 Microsoft COCO數(shù)據(jù)集
    2.6 本章小結(jié)
第3章 基于傾斜候選框的DMnet目標檢測算法
    3.1 簡介
    3.2 研究內(nèi)容
        3.2.1 具有角度信息的Default boxes
        3.2.2 尺寸、比例及角度的選取
        3.2.3 IOU計算方法
        3.2.4 學習傾斜框的生成
    3.3 實現(xiàn)細節(jié)
    3.4 實驗與分析
    3.5 本章小結(jié)
第4章 基于DMnet模型的快消品識別系統(tǒng)
    4.1 系統(tǒng)背景
    4.2 系統(tǒng)結(jié)構(gòu)
    4.3 數(shù)據(jù)標注
    4.4 并行訓練
    4.5 模型測試
        4.5.1 評價指標
    4.6 模型部署
    4.7 預處理及后處理
        4.7.1 圖像清晰度判斷
        4.7.2 后處理策略
    4.8 本章小結(jié)
結(jié)論
參考文獻
附錄 A 發(fā)表論文和參加科研情況說明
致謝



本文編號：3934429