基于遮擋網(wǎng)絡(luò)和RPN的雙通道目標(biāo)檢測(cè)研究
【文章頁(yè)數(shù)】:60 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖1-1主流框架間淵源關(guān)系圖
第1章緒論分類(lèi)[17-19]等現(xiàn)實(shí)生活領(lǐng)域。從2012年到2019年,目標(biāo)檢測(cè)深度框架得到了研究人員的密切關(guān)注,代表性深度框架主要有:R-CNN[20]、OverFeat[21]、FastR-CNN[22]、FasterR-CNN[23]、OHEM[24]、YOL....
圖1-2復(fù)雜成像環(huán)境下目標(biāo)的幾種狀態(tài)
第1章緒論成果,然而由于現(xiàn)實(shí)生活中成像環(huán)境(光線、遮擋等)復(fù)雜,目標(biāo)檢測(cè)依然面臨很多難點(diǎn)與挑戰(zhàn),主要有這幾點(diǎn):(1)尺度問(wèn)題。尺度問(wèn)題是現(xiàn)階段目標(biāo)檢測(cè)最為關(guān)注的問(wèn)題之一。不同尺度的目標(biāo)包含的特征量不同,中、大尺度目標(biāo)包含更多的特征量,因而更容易被檢測(cè)到,而小尺度目標(biāo)占據(jù)較少....
圖1-3相似不同類(lèi)和不相似同類(lèi)舉例圖
圖1-3相似不同類(lèi)和不相似同類(lèi)舉例圖1.3本文主要工作本文主要研究目標(biāo)檢測(cè)框架面臨的尺度、遮擋問(wèn)題,F(xiàn)有的目標(biāo)檢測(cè)框架往往不能很好處理這一問(wèn)題,不同尺度目標(biāo)具備的特征量不同,在樣本需求、網(wǎng)絡(luò)結(jié)構(gòu)、參數(shù)設(shè)置上存在差異。具體而言,中、大尺度目標(biāo)一般具有豐富的特征量,容易檢測(cè)但在....
圖2-1神經(jīng)元模型示意圖
第2章相關(guān)工作第2章相關(guān)工作經(jīng)元模型經(jīng)元是神經(jīng)網(wǎng)絡(luò)處理信息的基本單位,圖2-1給出了神經(jīng)元的模型主要包括三部分,分別是突觸/連接鏈集、加法器、激活函數(shù)。突每一個(gè)均由對(duì)應(yīng)其權(quán)值或者強(qiáng)度作為特征,即輸入iX乘以突觸權(quán),用于求輸入通過(guò)相應(yīng)權(quán)值加權(quán)的和,該操作是一系列線....
本文編號(hào):4047089
本文鏈接:http://www.sikaile.net/kejilunwen/shengwushengchang/4047089.html