現(xiàn)實生活中,很多四邊形目標如屏幕、幻燈片、文檔、白板等通常都是包含信息量豐富的信息載體。這些目標作為一種人造圖形目標在生活、辦公中被廣泛應用。近年來,由于手機等移動設備得到了普及,用戶通常使用手機對四邊形目標進行拍照以保存目標中的內容,移動設備拍攝得到的圖片能夠便利的分享信息、整理保存。四邊形目標檢測的具體任務是將手機圖片中四邊形目標的四個角點檢測出來,利用獲取的四個角點的坐標,可將四邊形目標截取出來得到比例合理的矩形圖像。目前為止,針對四邊形目標檢測的問題,眾多研究者提出了不同的算法方案。通常,這些算法都存在一定的局限性,如只能針對特定的四邊形目標進行檢測,或對背景的復雜度有限制。針對已有文獻的這些問題,本文通過引入深度學習理論與方法,對實時四邊形目標檢測算法進行系統(tǒng)且深入的研究。本論文主要貢獻如下:（1）針對四邊形目標檢測受四邊形檢測算法的影響這一現(xiàn)象,受高精度目標檢測算法Faster RCNN的啟發(fā),設計一種二階網絡框架,其中算法框架的第一個階段為使用深度學習算法生成輪廓圖像,進而在輪廓圖像中使用四邊形檢測算法檢索出可能是目標的四邊形,即四邊形推薦,第二階段將四邊形推薦中的四邊形... 

【文章來源】：深圳大學廣東省

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

神經元模型èq

基于深度學習的實時四邊形目標檢測算法研究12()1iipiNpiee==p(2-11)與均方誤差函數(shù)相比，雖然交叉熵函數(shù)無法應用于回歸任務中，但是它在分類任務中的表現(xiàn)比均方誤差函數(shù)更加優(yōu)秀，因此也被廣泛應用于神經網絡的分類任務中。2.1.4神經網絡整體結構一般的，多個神經元組成一個神經網絡層，往往，一個神經網絡包含三種層：“輸入層”、“隱含層”和“輸出層”，其中輸入層神經元對應的輸入只有一個并且沒有權重和偏置。一個典型的神經網絡結構如下：圖2-3神經網絡模型圖2-3描述了一個簡單的神經網絡，它由一個輸入層、一個隱含層、一個輸出層所組成，每個層都有兩個節(jié)點，網絡接收長度為2的數(shù)組作為輸入，輸出也是一個長度為2的數(shù)組，在網絡進行預測時，執(zhí)行一個稱作“前向傳播”的過程，而在網絡訓練時，執(zhí)行“反向傳播”的過程，接下來，就這兩個過程進行解釋。前向傳播，即網絡輸入層12inin接收數(shù)據(jù)12datadata，進行運算并輸出結果向量12outout，這個結果向量既可以表示分類的結果，也可以表示回歸預測中的數(shù)值。式(2-12)描述了一個全連接中由輸入層到隱含層的前向傳播的過程：111,11,211121211122,12,2wwnetnetfininbbww=+(2-12)式(2-12)中，輸入層中的每一個值分別與每一個隱含層中的神經元相連，與連接該神經元上的權重1w相乘相加，加上偏置1b后經過激活函數(shù)即得到中間隱含層。該過程可以

基于深度學習的實時四邊形目標檢測算法研究14對單個卷積核的卷積操作來說，卷積的數(shù)學形式如下：i,ji+k,j+lk,lk,lg=fh(2-14)式(2-14)中，i,jf=f為卷積的輸入單通道圖像（矩陣），i,jg=g為卷積輸出，k,lh=h為卷積核，k和l分別是卷積核的長和寬，i和j分別是卷積核移動在卷積圖像上的橫向和縱向的位置。由式(2-14)可以看出，卷積操作通過加權求和方式將一個區(qū)域的像素信息在特征圖的一個對應位置上進行表示，下面以一個單通道卷積例子來說明一下這種操作的具體過程：圖2-4卷積操作另外，卷積后的輸出相比輸入圖像，尺寸在一定程度上被縮小了，這主要是由于卷積核的尺寸不允許卷積操作從輸入圖像的邊緣開始，這種操作也稱為“無填充”卷積，當我們需要卷積后的輸出與卷積前尺寸相同時，通常的做法是提前將卷積的輸入的四周補上若干行列的0值，如此卷積后的圖像就能與卷積前的輸入尺寸相統(tǒng)一，這種操作被稱為“填充”卷積。另一方面，卷積中的“步長”，即卷積核每次移動時跨過的元素個數(shù)，也能夠影響到卷積輸出的尺寸。圖2-4中展示的是無填充，步長為[1,1]的卷積方式。卷積操作可以起到收集圖像特征的作用，下面將以一個單通道卷積核進行卷積操作的直觀例子來討論這種作用：

【參考文獻】：
期刊論文
[1]動態(tài)規(guī)劃算法在手機拍照文檔圖像中的應用[J]. 王茂森,牛少彰.  北京郵電大學學報. 2017(04)
[2]基于Harris角點的矩形檢測[J]. 張從鵬,魏學光.  光學精密工程. 2014(08)



本文編號：3519027