《基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、答辯人：胡長雨指導(dǎo)教師：王愛麗TheGraduationThesisDefense基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法研究哈爾濱理工大學(xué)HarbinUniversityofScienceandTechnology哈爾濱理工大學(xué)-測(cè)通學(xué)院CONTENTS142536研究背景研究方法2理論基礎(chǔ)結(jié)論研究方法1科研成果RESEARCHBACKGROUNDSRESEARCHFRAMWORKRESEARCHMETHODSANALYSISANDDISCUSSIONCONCLUSIONSCIENTIFICACHIEVEMENTS哈爾

2、濱理工大學(xué)HarbinUniversityofScienceandTechnology1研究背景RESEARCHBACKGROUNDS內(nèi)容簡介BRIEFINTRODUCTION本文以智能交通為背景，針對(duì)智能視頻監(jiān)控系統(tǒng)進(jìn)行剖析，對(duì)其中目標(biāo)檢測(cè)算法進(jìn)行了具體的研究和改進(jìn)。首先，針對(duì)目標(biāo)檢測(cè)特征提取環(huán)節(jié)，本文以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，構(gòu)建深度特征提取器，提取深度特征訓(xùn)練可變形部件模型，作為最終的檢測(cè)模型，并有效的提高檢測(cè)精度。另外，在目標(biāo)后處理環(huán)節(jié)中，將抑制重復(fù)檢測(cè)和誤檢的面積重疊率閾值動(dòng)態(tài)化后，進(jìn)一步的提高了檢測(cè)精度

3、，減少了誤檢和重檢。1研究背景RESEARCHBACKGROUNDSPPT模板下載：www.1ppt.com/moban/行業(yè)PPT模板：www.1ppt.com/hangye/節(jié)日PPT模板：www.1ppt.com/jieri/PPT素材下載：www.1ppt.com/sucai/PPT背景圖片：www.1ppt.com/beijing/PPT圖表下載：www.1ppt.com/tubiao/優(yōu)秀PPT下載：www.1ppt.com/xiazai/PPT教程：www.1ppt.com/powerpoint/

4、Word教程：www.1ppt.com/word/Excel教程：www.1ppt.com/excel/資料下載：www.1ppt.com/ziliao/PPT課件下載：www.1ppt.com/kejian/范文下載：www.1ppt.com/fanwen/試卷下載：www.1ppt.com/shiti/教案下載：www.1ppt.com/jiaoan/PPT論壇：www.1ppt.cn哈爾濱理工大學(xué)HarbinUniversityofScienceandTechnology智能交通中的目標(biāo)檢測(cè)傳統(tǒng)的視頻監(jiān)控

5、解決方案只是進(jìn)行視頻圖像的記錄、存儲(chǔ)與調(diào)取等機(jī)械的操作，用來記錄發(fā)生的事情，不具有針對(duì)異常情況進(jìn)行預(yù)測(cè)和報(bào)警的作用。需要工作人員時(shí)時(shí)刻刻查看顯示屏，才能進(jìn)行預(yù)測(cè)和報(bào)警。由于傳統(tǒng)視頻監(jiān)控技術(shù)的不足，所以智能視頻監(jiān)控被用來幫助工作人員發(fā)現(xiàn)異常情況并及時(shí)報(bào)警。1研究背景RESEARCHBACKGROUNDS智能視頻監(jiān)控的功能是讓計(jì)算機(jī)模擬人類的大腦對(duì)圖像的處理機(jī)制，利用攝像頭模擬的人類的眼睛，運(yùn)行圖像處理算法，分析從攝像頭中獲取的圖像序列，并對(duì)被監(jiān)控場(chǎng)景中的內(nèi)容進(jìn)行理解，實(shí)現(xiàn)對(duì)異常行為的自動(dòng)預(yù)警和報(bào)警。智能監(jiān)控的智能

6、化主要表現(xiàn)在對(duì)圖像序列中的目標(biāo)進(jìn)行檢測(cè)、目標(biāo)識(shí)別，理解目標(biāo)的行為。目前常用的智能監(jiān)控系統(tǒng)主要包括視頻獲取、圖像預(yù)處理、目標(biāo)檢測(cè)、目標(biāo)分類、目標(biāo)跟蹤、目標(biāo)行為分析和理解等七個(gè)部分，圖1-1給出了智能監(jiān)控系統(tǒng)具體的流程圖。圖1-1國內(nèi)現(xiàn)狀大部分目標(biāo)檢測(cè)算法任然使用單一或者幾種手工設(shè)計(jì)的特征。手工設(shè)計(jì)的特征，不僅計(jì)算開銷大，降低算法的執(zhí)行速度，對(duì)于目標(biāo)多樣性的變化并沒有很好地魯棒性，嚴(yán)格限制應(yīng)用前提。因此亟需對(duì)特征提取進(jìn)行改進(jìn)。1研究背景RESEARCHBACKGROUNDS國外現(xiàn)狀在國外，也經(jīng)歷了由人工設(shè)計(jì)特征到算

7、法自動(dòng)設(shè)計(jì)并提取特征的過程。2010年，Dalai等利用人工設(shè)計(jì)的方向梯度直方圖特征，訓(xùn)練出來多視角的可變形的檢測(cè)模型，雖然有效的提高了檢測(cè)精度，但仍然存在計(jì)算復(fù)雜，對(duì)小目標(biāo)魯棒性不強(qiáng)等問題。2012年，卷積神經(jīng)網(wǎng)絡(luò)在全球圖像分類比賽中得到最優(yōu)的成績，因此卷積神經(jīng)網(wǎng)絡(luò)自適應(yīng)的提取圖像特征受到重視，卷積神經(jīng)網(wǎng)絡(luò)通過反向傳播算法進(jìn)行網(wǎng)絡(luò)參數(shù)的更新，通過自適應(yīng)的調(diào)整不同特征的權(quán)重有效的組合特征，得到魯棒性更好的高層特征。因此，如果讓計(jì)算機(jī)主動(dòng)學(xué)習(xí)圖像的特征，相對(duì)于人工設(shè)計(jì)的特征而言，能夠有效的提高檢測(cè)精度，改善實(shí)驗(yàn)結(jié)

8、果。1研究背景RESEARCHBACKGROUNDS國外現(xiàn)狀1研究背景RESEARCHBACKGROUNDS研究目的目標(biāo)檢測(cè)；卷積神經(jīng)網(wǎng)絡(luò)；非極大值抑制本文研究的最終目的是將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到目標(biāo)檢測(cè)任務(wù)中：如何避免手工設(shè)計(jì)的特征，減少計(jì)算的復(fù)雜度，提高算法執(zhí)行速度，最終提高檢測(cè)精度。具體的基于現(xiàn)有的開發(fā)庫，在現(xiàn)有的卷積神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上，利用遷移學(xué)習(xí)和重新訓(xùn)練，更新模型參數(shù)，提取深