【摘要】：視覺器官在人類獲取信息時起到非常重要的作用,人工視覺假體通過向盲人體內植入電極,激發(fā)盲人剩余視覺神經功能并產生光幻視。視覺假體輔助盲人識別的物體邊緣輪廓比較模糊、分辨率低,為了使盲人清楚地識別周圍每一個熟悉的物品,在人工視覺系統(tǒng)獲取外界圖像之后,通過圖像分割技術把物品大致的位置和輪廓顯示出來,幫助盲人識別。針對室內應用場景的特點,本文提出一種快速卷積神經網絡的圖像分割方法對室內場景圖像進行分割,構建了用于室內場景圖像分割的FFCN(Fast Fully Convolutional Networks)網絡,其采用Add技術的層間融合方法,優(yōu)于Concat技術方法,可以減少網絡計算參數量,避免連續(xù)卷積對圖片特征信息的損失。為了驗證網絡的有效性,創(chuàng)建了室內環(huán)境中的基本生活物品數據集(以下簡稱XAUT數據集),在原圖上通過灰度標記每個物品的類別,然后附加一張顏色表把灰度圖片映射成偽彩色圖作為語義標簽。采用XAUT數據集在Caffe(Convolutional Architecture for Fast Feature Embedding)框架下對FFCN網絡進行訓練,得到適應于盲人視覺假體的室內場景分割模型。為了對比模型的有效性,對傳統(tǒng)的FCN8s、FCN16s、FCN32s等模型進行結構微調,并采用XAUT數據集進行訓練得到適應于室內場景分割的相應算法模型。實驗結果中各類網絡的像素識別精度都達到了85%以上,均交并比(MeanIU)均達到60%以上,其中FCN8s at-once網絡的Mean IU最高,達到70.4%,但其分割速度僅為FFCN的1/5。在其他各類指標相差不大的前提下,FFCN快速分割卷積神經網絡上平均分割速度達到40fps。本文提出的FFCN卷積神經網絡可以有效利用多層卷積提取圖片信息,避免亮度、顏色、紋理等底層信息的影響,通過尺度融合技術可以很好地避免圖像特征信息在網絡卷積和池化過程中的損失,相比于其他FCN網絡具有更快的速度,有利于提高圖像預處理的實時性。
【圖文】：

圖 2-1 感知機模型Fig.2-1 Perceptron model節(jié)點采用的激活函數，其作用是將輸出轉化為固定值域，定義sign(x) = {0 x < 01 x ≥ 0經網絡能解決線性可分問題，對于非線性可分問題必須采用多個神經可以構成最基本的三層前饋神經網絡，該網絡結構如下圖 2-2

圖 2-1 感知機模型Fig.2-1 Perceptron model絡節(jié)點采用的激活函數，其作用是將輸出轉化為固定值域，定sign(x) = {0 x < 01 x ≥ 0神經網絡只能解決線性可分問題，，對于非線性可分問題必須采用多個神聯可以構成最基本的三層前饋神經網絡，該網絡結構如下圖
【學位授予單位】：西安理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TP183

【相似文獻】

相關期刊論文 前10條

1 胡悅;;金融市場中的神經網絡拐點預測法[J];金融經濟;2017年18期

2 陳曉燕;;淺析簡單神經網絡的發(fā)展及簡單模型[J];數字技術與應用;2019年05期

3 遲惠生;陳珂;;1995年世界神經網絡大會述評[J];國際學術動態(tài);1996年01期

4 吳立可;;脈沖神經網絡和行為識別[J];通訊世界;2018年12期

5 林嘉應;鄭柏倫;劉捷;;基于卷積神經網絡的船舶分類模型[J];信息技術與信息化;2019年02期

6 俞頌華;;卷積神經網絡的發(fā)展與應用綜述[J];信息通信;2019年02期

7 韓真;凱文·哈特尼特;;為神經網絡的通用理論建造基石[J];世界科學;2019年04期

8 鮑偉強;陳娟;熊濤;;基于進化神經網絡的短期電力負荷預測研究[J];電工技術;2019年11期

9 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設計研究[J];數字技術與應用;2018年04期

10 張庭略;;基于硬件的神經網絡加速[J];通訊世界;2018年08期

相關會議論文 前10條

1 孫軍田;張U

本文編號：2647275