<s id="v04dy"></s><tbody id="v04dy"></tbody>

      <button id="v04dy"><acronym id="v04dy"></acronym></button>

        <th id="v04dy"><pre id="v04dy"></pre></th><em id="v04dy"></em>
        <dd id="v04dy"><pre id="v04dy"></pre></dd>

        收藏本站
        《中國科學院大學(中國科學院光電技術研究所)》 2019年
        收藏 | 手機打開
        二維碼
        手機客戶端打開本文

        基于深度學習的對地目標檢測技術研究

        李小寧  
        【摘要】:目標識別與檢測是計算機視覺、多媒體應用等領域重要的研究內容之一。目標識別的任務是對給定的輸入圖像,確定是否包含指定目標,在多目標檢測中,還需判斷出不同目標所屬的類別。目標檢測任務則不僅需要確定是否包含目標,還需要給出目標準確的位置信息。現今,圖像采集和傳輸技術的飛速發展產生了海量的圖像數據,自動識別圖像中的物體這一技術在諸多場景應用中至關重要。在行為分析、語義理解等高層視覺處理與分析任務中,精準檢測出目標是其重要基礎。此外,在視頻實時監控城市公共安全,無人機及衛星航拍圖像檢測道路等場景中,目標檢測技術均得到了廣泛應用。盡管該領域目前已取得許多突破,但依然面臨諸多挑戰。如在圖像背景復雜、光照不均、目標模糊、尺度過小、以及目標被遮擋等的情況下,很難獲取到理想的目標辨識效果。卷積神經網絡在目標檢測中的應用使得模式識別的模型復雜度提升,也由此帶來了計算成本的增加。研究實時性、精確性、穩定性較高的目標識別與檢測算法成為了當前的熱點問題。本文從目標識別與檢測的實際問題出發,圍繞地面小尺寸目標精準定位的問題,結合計算機視覺、深度學習、機器學習的相關算法進行了深入的研究。具體研究內容包括:從目標特征表達和提取,目標預測框生成、提高定位精度等的角度研究了不同光照、角度變化下的地面小目標檢測問題,主要貢獻如下:一、盡管目前基于深度學習的目標檢測算法對于常規尺寸目標的取得了較好的檢測結果,但由于地面目標尺度較小,外觀信息較少,圖像背景復雜等的原因導致小目標檢測存在精度低、定位困難等問題。本文對幾種經典的深度學習目標檢測框架針對小目標檢測進行了實驗分析與對比,從目標特征提取的角度提出了一種基于特征融合的子網絡來獲取增強語義的小目標特征。該網絡利用了多個層次的深度特征圖信息,構建了融合特征層,作為小目標預測網絡的輸入。對比許多檢測算法僅利用高層特征的信息表達,而缺失了對小目標而言較為關鍵的局部細節信息,該方法有效地提升了小目標的特征表達。二、針對尺度、角度等的變換問題,本文設計了一種基于融合層的擴展層預測子網絡,在擴展層的多個尺度空間內匹配目標,將每個層次的預測值與真實值的偏差加權和作為損失函數訓練模型,有效地提高了小尺寸目標的定位精度。三、深度學習檢測模型雖有強大的表征能力,但隨著模型復雜度的爆發式增長,容易導致過擬合的問題。針對這一問題,本文從增加訓練集量級、降低模型復雜度的角度出發,做了一系列的改進以提高模型的泛化能力,包括數據集的增廣,BN(Batch Normalization)層歸一化處理,L~2正則化操作等。這些工作進一步提升了檢測模型的識別精度,同時加快了模型收斂速度。在兩個公開數據集的實驗表明,本文提出的小目標檢測模型展現出較為明顯的優勢。
        【學位授予單位】:中國科學院大學(中國科學院光電技術研究所)
        【學位級別】:碩士
        【學位授予年份】:2019
        【分類號】:TP391.41;TP18

        【相似文獻】
        中國期刊全文數據庫 前10條
        1 杜玉龍;李建增;張巖;范聰;;無人機戰場偵察中目標識別算法研究綜述[J];飛航導彈;2016年07期
        2 張義廣;楊軍;殷志祥;周軍;;自動尋的系統紅外成像目標識別算法研究[J];激光與紅外;2007年09期
        3 伍文峰;王虎幫;;基于模板匹配的目標識別算法的設計與實現[J];計算機應用;2006年S2期
        4 劉祥林;;復雜地面背景下多目標的檢測和識別[J];飛航導彈;1988年08期
        5 欒尚禎;;深度學習目標識別算法發展趨勢研究[J];電信網技術;2018年04期
        6 張維華;郭偉震;周莉;;改進證據融合次序的目標識別算法[J];信息與控制;2018年05期
        7 王彥芳;馮琦;鄧秀劍;;基于幾何差異的目標識別算法[J];計算機測量與控制;2016年07期
        8 徐小琴;;多傳感器數據融合目標識別算法綜述[J];紅外與激光工程;2006年S4期
        9 嚴文康;李傳增;王樹山;蒲榮輝;;基于FPGA的雙波束激光引信目標識別算法研究[J];制導與引信;2011年04期
        10 夏魯瑞;趙繼廣;孫潔;陳杭;;基于投影尋蹤的高光譜典型目標識別算法[J];光學與光電技術;2013年03期
        中國重要會議論文全文數據庫 前10條
        1 徐小琴;;多傳感器數據融合目標識別算法綜述[A];2006年全國光電技術學術交流會會議文集(D 光電信息處理技術專題)[C];2006年
        2 馬君國;趙宏鐘;王微;;基于一維距離像的目標識別算法[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年
        3 常青;;分形特征目標識別算法[A];2005年中國智能自動化會議論文集[C];2005年
        4 李沅箐;李學生;董飛彪;湯保龍;;基于深度學習的聲目標識別算法[A];2018年全國聲學大會論文集 J通信聲學與音頻信號處理(含聲頻工程)[C];2018年
        5 孔剛;張啟衡;許俊平;;一種復雜背景下運動擴展目標識別算法[A];第三屆全國信息獲取與處理學術會議論文集[C];2005年
        6 楊名;阮雅端;陳林凱;張鵬;陳啟美;;甚高速區域卷積神經網絡的船舶視頻目標識別算法[A];2016年全國通信軟件學術會議程序冊與交流文集[C];2016年
        7 王偉明;;一種使用并行黑板模型仿真系統實現的基于知識的圖象目標識別算法[A];'99系統仿真技術及其應用學術交流會論文集[C];1999年
        8 由霖;修春波;;基于模板匹配的目標識別算法[A];2011年中國智能自動化學術會議論文集(第一分冊)[C];2011年
        9 王明芬;李翠華;;基于形狀外觀的海面目標識別算法[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年
        10 王華奎;朱三文;;基于改進MFCC的水下目標識別算法[A];中國聲學學會水聲學分會2013年全國水聲學學術會議論文集[C];2013年
        中國博士學位論文全文數據庫 前6條
        1 李淼;天基光學監視系統目標檢測與識別關鍵技術研究[D];國防科學技術大學;2017年
        2 翟永立;星空背景下空間運動目標自主識別技術研究[D];中國科學院大學(中國科學院上海技術物理研究所);2018年
        3 張兵;光學圖像末制導中的點目標檢測與識別算法研究[D];國防科學技術大學;2005年
        4 汪洋;極化合成孔徑雷達圖像處理及其應用研究[D];安徽大學;2007年
        5 劉明;基于流形學習與稀疏描述的SAR目標識別算法研究[D];西安電子科技大學;2015年
        6 侯國家;水下圖像增強與目標識別算法研究[D];中國海洋大學;2015年
        中國碩士學位論文全文數據庫 前10條
        1 李小寧;基于深度學習的對地目標檢測技術研究[D];中國科學院大學(中國科學院光電技術研究所);2019年
        2 李文心;基于視覺的目標跟蹤控制系統研究[D];西安理工大學;2019年
        3 高峰;自然環境下的柑橘目標識別方法研究[D];北方工業大學;2019年
        4 黃卓;無人機運動目標實時檢測識別算法研究[D];哈爾濱工業大學;2018年
        5 湯文;復雜背景下紅外運動小目標的檢測與跟蹤技術研究[D];國防科學技術大學;2016年
        6 陳桑桑;基于信息融合的目標跟蹤識別技術研究[D];西安工業大學;2018年
        7 李伯軒;鬼成像目標識別算法研究[D];南京理工大學;2018年
        8 田新;視頻中運動目標檢測與跟蹤算法研究[D];內蒙古大學;2018年
        9 肖大鵬;典型場景下無人駕駛三維目標識別算法研究[D];哈爾濱工業大學;2018年
        10 鐘佩儀;基于機載圖像的入侵目標自主檢測與識別[D];南京航空航天大學;2018年
        中國知網廣告投放
         快捷付款方式  訂購知網充值卡  訂購熱線  幫助中心
        • 400-819-9993
        • 010-62791813
        • 010-62985026


        狠狠射狠狠色在线视频