

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、目標檢測作為圖像處理和計算機視覺領(lǐng)域中的經(jīng)典課題,在交通監(jiān)控、圖像檢索、人機交互等方面有著廣泛的應用。它旨在一個靜態(tài)圖像(或動態(tài)視頻)中檢測出人們感興趣的目標對象。傳統(tǒng)的目標檢測算法中特征提取和分類決策分開進行,對特征選取的要求就更加嚴格,在面對復雜場景的時候很難得到理想效果。自Hinton教授提出深度學習理論,越來越多的研究學者嘗試采用深度學習理念來解決目標檢測問題,并且提出了不同的模型。不同的模型應用也不盡相同,通常采用卷積神經(jīng)網(wǎng)絡
2、來處理目標檢測問題。相比于傳統(tǒng)目標檢測算法,卷積神經(jīng)網(wǎng)絡中特征提取和模式分類并行進行,而且隨著層數(shù)的增多可以更好的處理復雜場景,但是它對目標邊緣的約束性太差。在這樣的基礎(chǔ)上,本文對傳統(tǒng)算法和卷積神經(jīng)網(wǎng)絡做了深入的研究,實現(xiàn)了將傳統(tǒng)算法和卷積神經(jīng)網(wǎng)絡相結(jié)合的目標檢測算法。本文的主要工作和創(chuàng)新有:
(1)針對傳統(tǒng)目標檢測算法一般是使用矩形框的方式得到目標的大致區(qū)域,而我們的需求是盡可能的獲得目標的邊緣輪廓問題,本文實現(xiàn)了一種改進的
3、基于主動輪廓模型的目標檢測算法,使輪廓盡可能的接近目標。
(2)針對傳統(tǒng)算法需要人工設(shè)計圖像特征,不同場景模型不穩(wěn)定問題而卷積神經(jīng)網(wǎng)絡分割不精確以及缺少相鄰像素之間的約束的問題,本文將傳統(tǒng)算法和卷積神經(jīng)網(wǎng)絡相結(jié)合,使用卷積神經(jīng)網(wǎng)絡進行圖像“高層次”特征提取,超像素提取出圖像“低層次”特征,可以適應不同的復雜場景,并且獲得準確的目標邊緣。在頤和園景點數(shù)據(jù)庫中進行了充分的實驗。通過結(jié)果可以看出使用我們的算法進行目標檢測提取,可以很
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于深度學習的目標檢測優(yōu)化方法研究.pdf
- 基于深度學習的海面目標檢測研究.pdf
- 基于深度學習的快速目標檢測技術(shù)研究.pdf
- 基于深度學習的目標檢測系統(tǒng)的研發(fā).pdf
- 基于深度學習的目標檢測系統(tǒng)的研發(fā)
- 基于深度特征學習的目標檢測與跟蹤算法研究.pdf
- 基于深度學習的邊海防典型目標檢測方法.pdf
- 基于深度學習的目標檢測算法研究及應用.pdf
- 基于深度學習和強化學習的多目標檢測跟蹤.pdf
- 基于深度學習的溯源視頻目標檢測與識別.pdf
- 基于CFAR與深度學習的SAR圖像艦船目標檢測研究.pdf
- 基于深度學習的視頻目標檢測方法研究與系統(tǒng)實現(xiàn).pdf
- 基于深度學習的城市交通場景目標檢測算法研究.pdf
- 基于深度學習的目標識別研究.pdf
- 基于深度信息的目標檢測算法研究.pdf
- 基于深度學習的行人檢測.pdf
- 基于深度學習與高光譜數(shù)據(jù)的人造目標檢測
- 基于深度學習的入侵檢測.pdf
- 基于深度學習的行人檢測方法研究.pdf
- 基于深度學習的圖像目標識別研究.pdf
評論
0/150
提交評論