本文關(guān)鍵詞：基于范例集成的目標(biāo)檢測模型研究，由筆耕文化傳播整理發(fā)布。

【摘要】：目標(biāo)檢測作為從底層圖像處理到上層圖像理解之間的關(guān)鍵步驟,已成為計算機(jī)視覺和模式識別的一個非常重要的研究方向。其目的在于從靜態(tài)圖片或者動態(tài)視頻中檢測并且定位所指定類型的目標(biāo)物體,且已被廣泛應(yīng)用于許許多多重要的行業(yè)領(lǐng)域,例如公共安全監(jiān)控、交通道路系統(tǒng)以及智能導(dǎo)航等。但目前的目標(biāo)檢測技術(shù)在性能上還有很大的提高空間,譬如如何提高檢測的準(zhǔn)確率、增強(qiáng)檢測的魯棒性和智能化效果等。隨著這些性能問題地不斷完善,在普遍智能化、信息化、自動化發(fā)展的今天,目標(biāo)檢測技術(shù)將能更為成熟地應(yīng)用到整個人類的生產(chǎn)和生活中,幫助改善人類的生產(chǎn)、生活質(zhì)量。本文深入研究了基于范例(Exemplar)集成的目標(biāo)檢測方法,結(jié)合非平衡學(xué)習(xí)理論,提出了改進(jìn)后的多實例學(xué)習(xí)(Multiple Instance Learning)框架,實現(xiàn)了最終的目標(biāo)檢測模型,在結(jié)果上取得了較好的目標(biāo)檢測效果。首先基于范例集成方法,在大規(guī)模的樣本中選定目標(biāo)類別進(jìn)行數(shù)據(jù)標(biāo)定,提取目標(biāo)的梯度直方圖(HOG)特征,通過深度挖掘有效負(fù)樣本的訓(xùn)練過程,為每一個單獨(dú)的范例訓(xùn)練相應(yīng)的線性SVM分類器——單范例分類器。同時,基于單范例分類器在驗證集中的檢測結(jié)果構(gòu)建關(guān)聯(lián)矩陣及共存矩陣,以集成這些單范例分類器。其次,為了進(jìn)一步抑制檢測模型對負(fù)樣本的響應(yīng),本文融合了改進(jìn)后的多實例學(xué)習(xí)框架訓(xùn)練生成單類分類器,利用非平衡學(xué)習(xí)的手段大幅降低了目標(biāo)誤檢率。除此之外,對于所需檢測的目標(biāo)類別做了更細(xì)化的設(shè)定,同時在檢測結(jié)果上,提供了偽3D效果的顯示方式,以判斷被檢測目標(biāo)的形態(tài)和方向性等信息,以此提高目標(biāo)檢測的智能化效果。本文模型建立使用Matlab和C++混合編程以提高效率,使用Pascal VOC2007作為實驗數(shù)據(jù)庫,主要挑選數(shù)據(jù)庫中的小型車、自行車、馬作為研究目標(biāo),通過調(diào)節(jié)各環(huán)節(jié)參數(shù),從實驗結(jié)果中可以看出,相比原始的范例集成模型,本文所提出的目標(biāo)檢測模型就平均準(zhǔn)確率而言,針對小型車、自行車和馬三個類別分別提高了21.4%、18.1%和26.0%,表現(xiàn)出了更好的檢測性能。
【關(guān)鍵詞】：目標(biāo)檢測 范例集成 梯度直方圖 負(fù)樣本挖掘 共存矩陣 多實例學(xué)習(xí)
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要3-5
• ABSTRACT5-12
• 第1章 引言12-16
• 1.1 目標(biāo)檢測研究的背景與意義12-14
• 1.2 本文主要工作與成果概述14-15
• 1.3 章節(jié)安排15-16
• 第2章 目標(biāo)檢測算法綜述及方法介紹16-32
• 2.1 目標(biāo)檢測領(lǐng)域難點(diǎn)16-18
• 2.2 目標(biāo)檢測研究現(xiàn)狀18-20
• 2.3 目標(biāo)檢測關(guān)鍵環(huán)節(jié)20-29
• 2.3.1 圖像特征提取21-25
• 2.3.2 機(jī)器學(xué)習(xí)方法25-29
• 2.4 非平衡學(xué)習(xí)研究29-31
• 2.5 本章小結(jié)31-32
• 第3章 范例(EXEMPLAR)集成的目標(biāo)檢測基礎(chǔ)模型實現(xiàn)32-53
• 3.1 范例集成模型背景33
• 3.2 范例集成基礎(chǔ)框架實現(xiàn)33-48
• 3.2.1 數(shù)據(jù)標(biāo)定34-36
• 3.2.2 特征提取36-41
• 3.2.3 分類器訓(xùn)練41-45
• 3.2.4 驗證集校正45-47
• 3.2.5 測試集檢測47-48
• 3.3 范例集成基礎(chǔ)模型的目標(biāo)檢測結(jié)果與分析48-52
• 3.4 本章小結(jié)52-53
• 第4章 融合多實例學(xué)習(xí)實現(xiàn)模型改進(jìn)53-65
• 4.1 多實例學(xué)習(xí)背景53-54
• 4.2 多實例學(xué)習(xí)算法框架實現(xiàn)54-62
• 4.2.1 訓(xùn)練數(shù)據(jù)55-57
• 4.2.2 訓(xùn)練過程57-61
• 4.2.3 檢測過濾61-62
• 4.3 改進(jìn)模型后的實驗結(jié)果與分析62-64
• 4.4 本章小結(jié)64-65
• 第5章 本文目標(biāo)檢測模型性能分析65-74
• 5.1 實驗環(huán)境及參數(shù)設(shè)定65-66
• 5.2 檢測性能結(jié)果對比與分析66-73
• 5.3 本章小結(jié)73-74
• 第6章 總結(jié)與展望74-77
• 6.1 本文總結(jié)74-76
• 6.2 未來研究工作和展望76-77
• 參考文獻(xiàn)77-81
• 致謝81-82
• 攻讀碩士學(xué)位期間已發(fā)表或錄用的論文82-84

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊清;;電網(wǎng)異常檢測模型方法設(shè)計[J];電測與儀表;2009年S2期

2 紀(jì)祥敏;陳秋妹;景林;;面向下一代互聯(lián)網(wǎng)的異常檢測模型研究[J];福建電腦;2013年01期

3 崔艷娜;;一種網(wǎng)絡(luò)流量異常檢測模型[J];計算機(jī)與現(xiàn)代化;2013年08期

4 涂旭平;金海;何麗莉;楊志玲;陶智飛;;一種新的網(wǎng)絡(luò)異常流量檢測模型[J];計算機(jī)科學(xué);2005年08期

5 呂洪柱;張建平;鄧文新;;基于數(shù)據(jù)挖掘技術(shù)的異常檢測模型設(shè)計[J];高師理科學(xué)刊;2007年06期

6 馬琳;蘇一丹;莫錦萍;;協(xié)同推薦系統(tǒng)檢測模型的一種優(yōu)化方法[J];微計算機(jī)信息;2010年03期

7 楊清;;基于模糊序列電網(wǎng)異常檢測建模方法與研究[J];山西電子技術(shù);2009年05期

8 李雪琴;;基于模糊C均值的異常流量檢測模型[J];贛南師范學(xué)院學(xué)報;2009年06期

9 唐彰國;李煥洲;鐘明全;張健;;改進(jìn)的進(jìn)程行為檢測模型及實現(xiàn)[J];計算機(jī)應(yīng)用;2010年01期

10 申利民;李峰;孫鵬飛;牛景春;;開放企業(yè)計算環(huán)境下基于信任的行為檢測模型[J];計算機(jī)集成制造系統(tǒng);2013年01期

中國重要會議論文全文數(shù)據(jù)庫 前7條

1 劉俊榮;王文槿;劉寶旭;;一種基于網(wǎng)絡(luò)行為分析的木馬檢測模型[A];第十六屆全國核電子學(xué)與核探測技術(shù)學(xué)術(shù)年會論文集（下冊）[C];2012年

2 馬文忠;郭江艷;陳科成;楊珊;王艷麗;;基于神經(jīng)網(wǎng)絡(luò)的供熱燃燒系統(tǒng)檢測模型的研究[A];2011中國電工技術(shù)學(xué)會學(xué)術(shù)年會論文集[C];2011年

3 張廣軍;賀俊吉;;基于圓結(jié)構(gòu)光的內(nèi)表面三維視覺檢測模型[A];中國儀器儀表學(xué)會學(xué)術(shù)論文集[C];2004年

4 王建平;張自立;魏華;;戰(zhàn)術(shù)空域沖突檢測模型研究[A];Proceedings of 14th Chinese Conference on System Simulation Technology & Application(CCSSTA’2012)[C];2012年

5 武照東;劉英凱;劉春;吳秀峰;;Overlay網(wǎng)絡(luò)的鏈路故障檢測模型[A];2008通信理論與技術(shù)新發(fā)展——第十三屆全國青年通信學(xué)術(shù)會議論文集（下）[C];2008年

6 李京鵬;楊林;劉世棟;;防火墻狀態(tài)檢測模型研究[A];第十八次全國計算機(jī)安全學(xué)術(shù)交流會論文集[C];2003年

7 周雙娥;熊國平;;基于Petri網(wǎng)的故障檢測模型的設(shè)計與分析[A];第六屆中國測試學(xué)術(shù)會議論文集[C];2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 趙靜;網(wǎng)絡(luò)協(xié)議異常檢測模型的研究與應(yīng)用[D];北京交通大學(xué);2010年

2 趙斌;基于圖模型的微博數(shù)據(jù)分析與管理[D];華東師范大學(xué);2012年

3 牛清寧;基于信息融合的疲勞駕駛檢測方法研究[D];吉林大學(xué);2014年

4 劉鵬飛;鋁合金點(diǎn)焊質(zhì)量的逆過程檢測方法研究[D];天津大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 朱遠(yuǎn)文;前端啟發(fā)式滲透檢測模型研究[D];天津理工大學(xué);2015年

2 劉嬌;基于高光譜技術(shù)的不同品種豬肉品質(zhì)檢測模型傳遞方法研究[D];華中農(nóng)業(yè)大學(xué);2015年

3 軒照光;ITS系統(tǒng)防碰撞技術(shù)研究[D];電子科技大學(xué);2015年

4 祝e，

本文編號：258940