基于深度學習算法的復雜場景下小目標檢測與應用
發(fā)布時間：2021-09-15 22:36
隨著計算機視覺技術的高速發(fā)展,目標檢測在公共安防、智慧城市、交通控制等眾多領域得到廣泛應用。與此同時,深度學習算法的發(fā)展使得目標檢測系統(tǒng)的性能遠遠優(yōu)于傳統(tǒng)算法,并進一步推動了目標檢測的應用。然而,由于大部分應用場景存在大量小像素目標,這類目標信息量少,并且特征不明顯,小像素目標的檢測仍然是計算機視覺領域的一個挑戰(zhàn)。本文首先提出了兩種常用場景下的小目標檢測算法;其次,采集小目標數據集,并將本文提出的算法應用于人臉檢測數據集、公開無人機場景數據集和實驗采集數據集,計算小目標檢測的客觀指標;最后,將算法植入智能終端硬件系統(tǒng),設計并編寫對應軟件,實現了小目標檢測算法的應用。主要研究內容如下:（1）提出一種基于改進型生成對抗網絡（Generative Adversarial Networks,GAN）的小臉檢測算法SG-FACE。該算法首先將圖像中像素較小的目標,通過生成對抗網絡生成高分辨目標,然后將新目標作為人臉檢測網絡的輸入,通過“中心凹”特征融合結構與多尺度檢測結構,進一步完成人臉檢測。實驗結果表明,與傳統(tǒng)的人臉檢測相比,本文提出的SG-FACE小臉檢測器不僅準確率高,而且漏檢率低。該檢測...
【文章來源】：南昌大學江西省 211工程院校
【文章頁數】：70 頁
【學位級別】：碩士
【部分圖文】：
圖２．１?ＲＡＩＳＥ數據集圖片示例??
?第２填基干改進生成對抗網絡的小臉檢測???川是對輸入的數則樣木進ｆｒ判斷，判斷此樣本足來ｒ＿｜ｊ？訓練數據還是非訓練數??據，最終以概率的形式表達出來。Ｍ＇ｌ判別網絡對其輸入的數據判別為屬于訓練數??掘時，模型輸出的Ｄ為大概率；當判別網絡對其判別為非訓練數據時，模型輸??出的Ｄ為小概率；當概率為５０％的時候，判別網絡就是在亂猜。最終生成網絡??所生成的數據成功騙過判別網絡，就達到數據生成的目的，如圖２．３所示：??ｒ?＼?ｒ?＼??〇模型?Ｉ）模型??嘗試輸出Ｉ?嘗試輸出０??－２〇．．．．：．ｒ?＿〇ｐｉ?ｌ?Ｊ?Ｌ?Ｊ?：〇〇?…ｏｏｊ??：）〇?二二?ＯＯｉ?ｉ?Ｉ?ｆ?）〇〇？？－〇：〇??微分函數Ｉ）?微分函數Ｄ??！〇〇?？？？?ｏｃＭ?Ｊ?１?」〇〇?？？？〇〇??ｍ?ｍ－?ｆ?＇］?ｒ?彳?＿??ｂ翁－ｒ?ｌ?Ｊ?ｌ?Ｊ?．ｒ??…ｏｃ??微分函數ｆ；??Ｊ?：〇〇?…ｏｏ??乂?－?＂??（＾ＤＯ?…ＯＯ??ｙ?＇?輸入噪聲Ｚ??發(fā)？?＊?？?？?？?？?ｚ??■?．?＾?＇．?．?：?＼?ｙ?＂??—一—＇??圖２．３?ＧＡＮ?＿結構閣??（ｉ）訓練過程??訓練過程中，耑耍在真實數據進行兩次的隨機采樣。第？個隨機采樣之后??的數據標簽的標注為真實數據。第二個隨機采樣的數據，我們在此騅礎上加入噪??聲的丨？擾，記為假數據Ｄ（ｚ）Ｇ（ｚ）。將兩組數據輸入到判別網絡中，對其進行數掘??的與假判斷。如果判別網絡認為輸入的數椐為原始數據，那么判別網絡的輸出為??Ｉ，反之為０。最后根據判別網絡得出的概率值計算損失函數。??生
?第２章基于改進生成對抗網絡的小臉檢測???１?ｈａ．ｉ－?ｒｅｓ２?ｒｅｓ３＋ｒｅ．ｓ２?ｒｅｓ４－ｒｒｅ．ｓ３＋ｒｅｓ２?ｒｅｓ５＋ｒｃｓ４＋ｒｅｓ３＋ｒｅ．ｓ２??
【參考文獻】：
期刊論文
[1]深層卷積神經網絡的目標檢測算法綜述[J]. 張澤苗,霍歡,趙逢禹. 小型微型計算機系統(tǒng). 2019(09)
[2]基于深度學習的目標檢測算法研究進展[J]. 謝娟英,劉然. 陜西師范大學學報(自然科學版). 2019(05)
[3]基于SSD模型的人臉檢測與頭部姿態(tài)估計融合算法[J]. 方陽,劉英杰,孫立博,秦文虎. 江蘇大學學報(自然科學版). 2019(04)
[4]基于優(yōu)化YOLOv3的低空無人機檢測識別方法[J]. 馬旗,朱斌,張宏偉,張楊,姜雨辰. 激光與光電子學進展. 2019(20)
[5]基于深度學習目標檢測與跟蹤技術的研究[J]. 師燕妮. 電子設計工程. 2019(06)
[6]改進的SSD航拍目標檢測方法[J]. 裴偉,許晏銘,朱永英,王鵬乾,魯明羽,李飛. 軟件學報. 2019(03)
[7]基于深度學習的復雜背景雷達圖像多目標檢測[J]. 周龍,韋素媛,崔忠馬,房嘉奇,楊小婷,楊龍. 系統(tǒng)工程與電子技術. 2019(06)
[8]遙感圖像中飛機的改進YOLOv3實時檢測算法[J]. 戴偉聰,金龍旭,李國寧,鄭志強. 光電工程. 2018(12)
[9]基于深度學習的安全帽檢測方法研究[J]. 郝存明,朱繼軍,張偉平. 河北省科學院學報. 2018(03)
[10]改進的YOLOv3紅外視頻圖像行人檢測算法[J]. 王殿偉,何衍輝,李大湘,劉穎,許志杰,王晶. 西安郵電大學學報. 2018(04)
碩士論文
[1]用于目標檢測的深度學習算法優(yōu)化研究[D]. 黃寧波.長春理工大學 2018
[2]基于深度學習的目標檢測與分割算法研究[D]. 王若辰.北京工業(yè)大學 2016
[3]基于深度學習的目標檢測算法研究及應用[D]. 萬維.電子科技大學 2015
本文編號：3396942
【文章來源】：南昌大學江西省 211工程院校
【文章頁數】：70 頁
【學位級別】：碩士
【部分圖文】：
圖２．１?ＲＡＩＳＥ數據集圖片示例??
?第２填基干改進生成對抗網絡的小臉檢測???川是對輸入的數則樣木進ｆｒ判斷，判斷此樣本足來ｒ＿｜ｊ？訓練數據還是非訓練數??據，最終以概率的形式表達出來。Ｍ＇ｌ判別網絡對其輸入的數據判別為屬于訓練數??掘時，模型輸出的Ｄ為大概率；當判別網絡對其判別為非訓練數據時，模型輸??出的Ｄ為小概率；當概率為５０％的時候，判別網絡就是在亂猜。最終生成網絡??所生成的數據成功騙過判別網絡，就達到數據生成的目的，如圖２．３所示：??ｒ?＼?ｒ?＼??〇模型?Ｉ）模型??嘗試輸出Ｉ?嘗試輸出０??－２〇．．．．：．ｒ?＿〇ｐｉ?ｌ?Ｊ?Ｌ?Ｊ?：〇〇?…ｏｏｊ??：）〇?二二?ＯＯｉ?ｉ?Ｉ?ｆ?）〇〇？？－〇：〇??微分函數Ｉ）?微分函數Ｄ??！〇〇?？？？?ｏｃＭ?Ｊ?１?」〇〇?？？？〇〇??ｍ?ｍ－?ｆ?＇］?ｒ?彳?＿??ｂ翁－ｒ?ｌ?Ｊ?ｌ?Ｊ?．ｒ??…ｏｃ??微分函數ｆ；??Ｊ?：〇〇?…ｏｏ??乂?－?＂??（＾ＤＯ?…ＯＯ??ｙ?＇?輸入噪聲Ｚ??發(fā)？?＊?？?？?？?？?ｚ??■?．?＾?＇．?．?：?＼?ｙ?＂??—一—＇??圖２．３?ＧＡＮ?＿結構閣??（ｉ）訓練過程??訓練過程中，耑耍在真實數據進行兩次的隨機采樣。第？個隨機采樣之后??的數據標簽的標注為真實數據。第二個隨機采樣的數據，我們在此騅礎上加入噪??聲的丨？擾，記為假數據Ｄ（ｚ）Ｇ（ｚ）。將兩組數據輸入到判別網絡中，對其進行數掘??的與假判斷。如果判別網絡認為輸入的數椐為原始數據，那么判別網絡的輸出為??Ｉ，反之為０。最后根據判別網絡得出的概率值計算損失函數。??生
?第２章基于改進生成對抗網絡的小臉檢測???１?ｈａ．ｉ－?ｒｅｓ２?ｒｅｓ３＋ｒｅ．ｓ２?ｒｅｓ４－ｒｒｅ．ｓ３＋ｒｅｓ２?ｒｅｓ５＋ｒｃｓ４＋ｒｅｓ３＋ｒｅ．ｓ２??
【參考文獻】：
期刊論文
[1]深層卷積神經網絡的目標檢測算法綜述[J]. 張澤苗,霍歡,趙逢禹. 小型微型計算機系統(tǒng). 2019(09)
[2]基于深度學習的目標檢測算法研究進展[J]. 謝娟英,劉然. 陜西師范大學學報(自然科學版). 2019(05)
[3]基于SSD模型的人臉檢測與頭部姿態(tài)估計融合算法[J]. 方陽,劉英杰,孫立博,秦文虎. 江蘇大學學報(自然科學版). 2019(04)
[4]基于優(yōu)化YOLOv3的低空無人機檢測識別方法[J]. 馬旗,朱斌,張宏偉,張楊,姜雨辰. 激光與光電子學進展. 2019(20)
[5]基于深度學習目標檢測與跟蹤技術的研究[J]. 師燕妮. 電子設計工程. 2019(06)
[6]改進的SSD航拍目標檢測方法[J]. 裴偉,許晏銘,朱永英,王鵬乾,魯明羽,李飛. 軟件學報. 2019(03)
[7]基于深度學習的復雜背景雷達圖像多目標檢測[J]. 周龍,韋素媛,崔忠馬,房嘉奇,楊小婷,楊龍. 系統(tǒng)工程與電子技術. 2019(06)
[8]遙感圖像中飛機的改進YOLOv3實時檢測算法[J]. 戴偉聰,金龍旭,李國寧,鄭志強. 光電工程. 2018(12)
[9]基于深度學習的安全帽檢測方法研究[J]. 郝存明,朱繼軍,張偉平. 河北省科學院學報. 2018(03)
[10]改進的YOLOv3紅外視頻圖像行人檢測算法[J]. 王殿偉,何衍輝,李大湘,劉穎,許志杰,王晶. 西安郵電大學學報. 2018(04)
碩士論文
[1]用于目標檢測的深度學習算法優(yōu)化研究[D]. 黃寧波.長春理工大學 2018
[2]基于深度學習的目標檢測與分割算法研究[D]. 王若辰.北京工業(yè)大學 2016
[3]基于深度學習的目標檢測算法研究及應用[D]. 萬維.電子科技大學 2015
本文編號：3396942
本文鏈接：http://www.sikaile.net/kejilunwen/zidonghuakongzhilunwen/3396942.html
