資源描述：
《基于卷積神經網絡的目標檢測算法研究》由會員上傳分享，免費在線閱讀，更多相關內容在行業(yè)資料-天天文庫。
1、答辯人：胡長雨指導教師：王愛麗TheGraduationThesisDefense基于卷積神經網絡的目標檢測算法研究哈爾濱理工大學HarbinUniversityofScienceandTechnology哈爾濱理工大學-測通學院CONTENTS142536研究背景研究方法2理論基礎結論研究方法1科研成果RESEARCHBACKGROUNDSRESEARCHFRAMWORKRESEARCHMETHODSANALYSISANDDISCUSSIONCONCLUSIONSCIENTIFICACHIEVEMENTS哈爾
2、濱理工大學HarbinUniversityofScienceandTechnology1研究背景RESEARCHBACKGROUNDS內容簡介BRIEFINTRODUCTION本文以智能交通為背景，針對智能視頻監(jiān)控系統(tǒng)進行剖析，對其中目標檢測算法進行了具體的研究和改進。首先，針對目標檢測特征提取環(huán)節(jié)，本文以卷積神經網絡為基礎，構建深度特征提取器，提取深度特征訓練可變形部件模型，作為最終的檢測模型，并有效的提高檢測精度。另外，在目標后處理環(huán)節(jié)中，將抑制重復檢測和誤檢的面積重疊率閾值動態(tài)化后，進一步的提高了檢測精度
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HarbinUniversityofScienceandTechnology智能交通中的目標檢測傳統(tǒng)的視頻監(jiān)控
5、解決方案只是進行視頻圖像的記錄、存儲與調取等機械的操作，用來記錄發(fā)生的事情，不具有針對異常情況進行預測和報警的作用。需要工作人員時時刻刻查看顯示屏，才能進行預測和報警。由于傳統(tǒng)視頻監(jiān)控技術的不足，所以智能視頻監(jiān)控被用來幫助工作人員發(fā)現(xiàn)異常情況并及時報警。1研究背景RESEARCHBACKGROUNDS智能視頻監(jiān)控的功能是讓計算機模擬人類的大腦對圖像的處理機制，利用攝像頭模擬的人類的眼睛，運行圖像處理算法，分析從攝像頭中獲取的圖像序列，并對被監(jiān)控場景中的內容進行理解，實現(xiàn)對異常行為的自動預警和報警。智能監(jiān)控的智能
6、化主要表現(xiàn)在對圖像序列中的目標進行檢測、目標識別，理解目標的行為。目前常用的智能監(jiān)控系統(tǒng)主要包括視頻獲取、圖像預處理、目標檢測、目標分類、目標跟蹤、目標行為分析和理解等七個部分，圖1-1給出了智能監(jiān)控系統(tǒng)具體的流程圖。圖1-1國內現(xiàn)狀大部分目標檢測算法任然使用單一或者幾種手工設計的特征。手工設計的特征，不僅計算開銷大，降低算法的執(zhí)行速度，對于目標多樣性的變化并沒有很好地魯棒性，嚴格限制應用前提。因此亟需對特征提取進行改進。1研究背景RESEARCHBACKGROUNDS國外現(xiàn)狀在國外，也經歷了由人工設計特征到算
7、法自動設計并提取特征的過程。2010年，Dalai等利用人工設計的方向梯度直方圖特征，訓練出來多視角的可變形的檢測模型，雖然有效的提高了檢測精度，但仍然存在計算復雜，對小目標魯棒性不強等問題。2012年，卷積神經網絡在全球圖像分類比賽中得到最優(yōu)的成績，因此卷積神經網絡自適應的提取圖像特征受到重視，卷積神經網絡通過反向傳播算法進行網絡參數(shù)的更新，通過自適應的調整不同特征的權重有效的組合特征，得到魯棒性更好的高層特征。因此，如果讓計算機主動學習圖像的特征，相對于人工設計的特征而言，能夠有效的提高檢測精度，改善實驗結
8、果。1研究背景RESEARCHBACKGROUNDS國外現(xiàn)狀1研究背景RESEARCHBACKGROUNDS研究目的目標檢測；卷積神經網絡；非極大值抑制本文研究的最終目的是將卷積神經網絡應用到目標檢測任務中：如何避免手工設計的特征，減少計算的復雜度，提高算法執(zhí)行速度，最終提高檢測精度。具體的基于現(xiàn)有的開發(fā)庫，在現(xiàn)有的卷積神經網絡模型的基礎上，利用遷移學習和重新訓練，更新模型參數(shù)，提取深
