检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的航拍目标检测算法研究

基于深度学习的航拍目标检测算法研究

作者：张铎西南科技大学

学位级别：硕士

无人机航拍目标检测在农业,工业,安全等各个领域的重要性日益凸显。然而,由于航拍目标背景复杂、图像分辨率高、目标尺寸小、尺度变化大、部署平台计算能力有限等特点,航拍目标检测仍面临巨大挑战。针对航拍目标尺度变化大、背景复杂、... 详细信息

无人机航拍目标检测在农业,工业,安全等各个领域的重要性日益凸显。然而,由于航拍目标背景复杂、图像分辨率高、目标尺寸小、尺度变化大、部署平台计算能力有限等特点,航拍目标检测仍面临巨大挑战。针对航拍目标尺度变化大、背景复杂、小目标多而导致的检测精度不高的问题,对实时目标检测算法YOLO进行研究,聚焦于构建精度与速度更均衡的航拍目标检测算法。本文主要工作及贡献如下:(1)构建并扩充红外航拍行人数据集。对比可见光数据集,当前红外航拍行人数据集仍存在数据量偏少,场景有限等问题。通过无人机搭载红外摄像头,构建并扩充了一个新的红外航拍行人数据集—FLIR-UAV,该数据集由无人机在较低飞行高度下从5个典型场景捕获的3302幅图像组成。(2)构建了一种融合ConvNeXt和ECA注意力的YOLOv5航拍目标检测算法(CECA-YOLOv5)。为提升对小目标的检测能力,首先,基于YOLOv5s增加一个对应浅层阶段的检测头;其次为提高网络在颈部阶段的特征聚合能力,在颈部网络中引入双向特征金字塔网络(Bi FPN),并融合ConvNeXt和ECANet设计了一个新的C3模块(CECA),进一步提升算法精度;最后,基于VEDAI、NWPU VHR-10和Vis Drone三个公开数据集和FLIR-UAV自建数据集进行实验。基于VEDAI数据集的消融实验表明,对比YOLOv5、YOLOR、YOLOX等主流检测算法,CECA-YOLOv5算法具有比较优势。例如,与YOLOv5s相比,m AP和m AP50分别提升了5.5%和6.5%。(3)通过ECANet改进空间金字塔池化的航拍目标检测算法(MEAPF-YOLOv5)。首先,为提高网络在颈部阶段的特征聚合能力,使用CECA模块改进YOLOv5的颈部C3模块。其次,为了进一步提升多尺度的特征提取能力,将ECANet融入至改进的SPPF结构中提出了MEAPF结构。最后,基于VEDAI、NWPU VHR-10、Vis Drone和FLIR-UAV四个数据集上验证了MEAPF-YOLOv5的应用价值。例如,面向VEDAI数据集,MEAPF-YOLOv5的参数量和GFLOPs分别为大型主流算法ECAP-YOLOv5l的19%和11.9%,但m AP50相当。(4)面向内存和功耗有限的机载嵌入式平台,研究并实现了CECA-YOLOv5和MEAPF-YOLOv5算法基于Jetson TX2和Tensor RT的部署与优化。在保持推理精度的同时,推理时间缩短了约60%,有效提高了无人机机载设备算法的实际应用价值。

关键词：航拍目标检测 ConvNeXt 注意力机制空间金字塔池化 TensorRT

基于YOLOv3的航拍目标检测算法研究及应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于YOLOv3的航拍目标检测算法研究及应用

作者：汤松岩华中科技大学

学位级别：硕士

传统的电信光缆线路巡检工作主要通过人力进行,其效率低下,通过无人机进行光缆线路巡检可以极大提高工作效率,且能够节省人力资源。针对某省电信公司提出的采用无人机进行自动电信光缆线路巡检的需求,构建了无人机自动化线路巡检系统中... 详细信息

传统的电信光缆线路巡检工作主要通过人力进行,其效率低下,通过无人机进行光缆线路巡检可以极大提高工作效率,且能够节省人力资源。针对某省电信公司提出的采用无人机进行自动电信光缆线路巡检的需求,构建了无人机自动化线路巡检系统中的航拍目标检测子系统,以挖掘机作为风险目标,通过航拍图像中的挖掘机来确定图像中是否存在风险。通过对用户提供以及自行采集的1004张5472×3648高分辨率航拍图像进行分析,发现该类图像语义信息复杂,目标物体占比小,特征稀疏,导致检测困难且检测容易受到干扰。用户要求挖掘机的识别率在70%以上且要进行实时识别,依据此要求,通过对目前目标检测算法的对比,选择检测速度最快且检测性能较好的YOLOv3作为目标检测算法。YOLOv3目标检测算法需要输入416×416大小的图像,因此在处理输入图像时会将图像缩小,造成特征损失。为了减少这种特征损失,提出了基于分块的YOLOv3目标检测算法,算法采用基于定步长滑动窗口的分块方法,将图像切分成小块再使用YOLOv3目标检测算法检测,达到了减少特征损失的目的。经过对比实验,基于分块的YOLOv3目标检测算法比未改进时的识别率提升了接近10%。为了更好的训练YOLOv3目标检测模型,构建了多种类型的航拍挖掘机数据集,为以后的工作打下了数据基础。基于这些数据集进行了可识别挖掘机指标临界值探究实验,发现挖掘机像素面积在291443和18840时识别率最高。基于分块的YOLOv3目标检测算法,已经应用到实际生产中,开发了无人机电信线路巡检系统中的航拍目标检测子系统,子系统已经部署到服务器上并试运行四个多月,得到了用户的认可,在一定程度上达到了提高工作效率的目标。

关键词：航拍目标检测智能线路巡检卷积神经网络深度学习

基于卷积神经网络的航拍目标检测与跟踪方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的航拍目标检测与跟踪方法研究

作者：赵玉莹东北石油大学

学位级别：硕士

航拍目标的检测与跟踪技术是无人机对地面目标实时监测的基础操作,也是无人机实现智能化应用的重要技术之一。在实际情形中,地面目标存在视场广、尺寸小、背景繁杂等诸多情况,通用算法对特殊场景下的目标检测与跟踪能力不够理想。因此... 详细信息

航拍目标的检测与跟踪技术是无人机对地面目标实时监测的基础操作,也是无人机实现智能化应用的重要技术之一。在实际情形中,地面目标存在视场广、尺寸小、背景繁杂等诸多情况,通用算法对特殊场景下的目标检测与跟踪能力不够理想。因此本文以航拍视角下的目标检测与跟踪为研究方向,在计算机视觉技术与深度学习理论研究的基础上,探索更高效的航拍目标检测与跟踪算法,用以提升复杂环境下航拍小目标的检测能力,增强航拍运动目标跟踪的稳定性。本文对卷积神经网络、目标检测与跟踪方法的国内外研究情况及相关技术的发展现状进行了分析,阐述了航拍影像中目标检测与跟踪任务所面临的难点问题,针对目前存在的问题进行了优化改进,重点研究的内容如下:1.结合随机深度残差网络构建了复杂环境下的航拍目标检测模型。首先研究与分析了不同深度网络对模型性能的影响,采用深度残差网络训练检测模型,提升网络的学习能力;其次通过深度残差网络中的残差学习机制,降低深层网络导致的退化问题;最后引入随机深度机制调整网络结构,降低网络复杂度。该算法实现了深层网络的高效学习性能,提高了复杂背景下航拍目标的分类与检测能力。2.提出一种基于多尺度特征金字塔的航拍小目标检测方法。由于小目标特征多数存在于浅层网络中,随着网络加深,特征会越来越少甚至消失。本文在检测网络中引入多尺度特征图金字塔结构,将浅层存在的细节特征信息与深层包含的丰富语义信息更好的融合,更充分地提取小目标的特征,提高对航拍图像中小目标的检测能力。3.将构建的航拍目标检测模型作为检测器,结合卡尔曼滤波构建航拍运动目标跟踪模型。采用检测器对航拍视频中的初始帧进行目标检测,提取目标位置与边界框信息,通过卡尔曼滤波器对检测到的目标进行跟踪,在目标丢失时再次调用检测器进行目标更新,该模型能够很好地检测到航拍视频中的运动目标,并进行跟踪。在多种应用场景下进行了跟踪实验,验证了本文提出的航拍目标跟踪方法具有较好的鲁棒性。

关键词：航拍目标检测卷积神经网络深度残差网络特征融合航拍目标跟踪

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度卷积神经网络的航拍目标检测

微型电脑应用 2021年第5期37卷 82-85页

作者：赵玉莹东北石油大学计算机与信息技术学院大庆163000

针对航拍图像中存在背景庞杂、目标尺寸小等原因导致目标不易检测的问题,采用深度卷积神经网络构建目标检测模型,并引入深度残差网络作为前置网络,提高模型的学习与训练能力,解决由网络加深而产生的退化问题。针对小目标在深层网络的特... 详细信息

针对航拍图像中存在背景庞杂、目标尺寸小等原因导致目标不易检测的问题,采用深度卷积神经网络构建目标检测模型,并引入深度残差网络作为前置网络,提高模型的学习与训练能力,解决由网络加深而产生的退化问题。针对小目标在深层网络的特征提取过程中会逐渐减弱甚至消失的问题,采用横向连接的特征金字塔结构,将浅层特征信息与深层语义信息进行融合,提高对小目标的特征提取能力。实验证明,该方法有效地提高了对航拍图像中小目标检测的准确率与鲁棒性。

关键词：航拍目标检测深度残差网络特征融合

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于无人机航拍图像的目标检测算法研究

基于无人机航拍图像的目标检测算法研究

作者：杨婷西安工业大学

学位级别：硕士

近年来,随着无人机研发技术的不断成熟,通过无人机机载摄像头拍摄的图片和视频在许多行业领域获得了广泛应用。在军事方面,利用无人机航拍采集的图像可以获取到完整、全面的战场信息,但是如何利用这些图像实现快速、准确的军事目标检测... 详细信息

近年来,随着无人机研发技术的不断成熟,通过无人机机载摄像头拍摄的图片和视频在许多行业领域获得了广泛应用。在军事方面,利用无人机航拍采集的图像可以获取到完整、全面的战场信息,但是如何利用这些图像实现快速、准确的军事目标检测仍是现代战争智能化作战发展要求下亟待解决的问题。随着深度学习的不断发展,目标检测算法的性能不断提升,但是目前主流的检测算法无法克服航拍图像中出现的复杂天气干扰、目标高度变化、尺度不一等问题,且其模型较大、检测速度慢,效率过低。因此,针对上述问题本文开展了基于无人机航拍图像的战场目标检测算法及其轻量化研究,旨在获得高精度、高效率、低功耗的轻量级战场目标检测模型,提升真实作战中检测模型的精度与速度,为后续作战提供快速、准确的信息支持。论文的主要研究内容和创新点如下:(1)针对军事装备行业保密性高、真实战场数据集资源匮乏的问题,提出一种基于模拟真实场景的无人机航拍目标数据集构建与增强方法。首先,采用无人机自主拍摄、网络爬虫搜索、影视资源截取三种方法获得本文的原始数据集;其次,对原始数据中的图像进行翻转、加噪、加雾等操作,实现无人机视角及复杂天气下的航拍战场图像模拟,从而解决基础数据拍摄方向和角度单一的问题,增大数据的真实性和可信性;然后,提出一种随机图像拼接的方法来增强小目标占比,以贴合航拍图像覆盖范围广、分辨率高且目标占比较小的特点,从而进一步提高模型的泛化性;最后,提出一种随机目标提取嵌入的数据增强方法来扩大坦克和军事用车两类目标占比,解决原始数据集目标分布不平衡和背景单一的问题,增加图像背景复杂度。实验结果表明,本文所用的数据增强方法可有效提升航拍战场数据集的真实性和多样性,同时对模型检测精度也有一定的提升。(2)针对目前主流检测算法在真实复杂航拍战场数据背景下精确度低、误检率高等问题,提出一种基于改进YOLOv5的高精度航拍目标检测模型。首先,提出一个多特征交叉融合注意力机制,并引入在骨干网络中,以解决航拍图像背景复杂且存在相似物体干扰的问题,增强空间和通道两个维度的特征交互,从而提高复杂背景下网络的检测性能。其次,引入并改进BIFPN结构以解决航拍目标尺度不一,模型跨尺度特征融合效果差,容易造成目标漏检的问题。该结构先采用跨层级联路径进行多尺度特征融合以减少浅层信息丢失,再使用反卷积弥补最邻近插值带来的特征损失,并用ASFF进行自适应空间特征融合,进一步增强不同目标之间的跨尺度融合,降低小目标的漏检率,从而提高整个算法的运行效果。最后通过实验验证了本文算法能有效提高模型的检测精度,同时能够在复杂环境下降低漏检率和误检率,实现高精度的航拍战场目标检测。(3)针对改进的航拍目标检测网络模型体积大、运行速度慢等问题,本文对其进行轻量化处理,在保证一定准确率的前提下,对模型的速度进行优化。首先,采用轻量级Ghost卷积模块代替原网络中冗余的普通卷积模块,进行骨干网络的重构来解决原始网络卷积层带来的大量运算问题,降低模型运算量;其次,采用模型剪枝的方法对网络中不重要的通道进行筛选并剔除,以解决模型体积庞大,存在冗余结构的问题,进一步降低整个模型的参数量和计算量,从而提高整体的检测效率和速度。最后通过实验证明了本文方法对模型轻量化的有效性,能够实现快速、高效的航拍战场目标检测。

关键词：深度学习数据增强航拍目标检测特征融合模型轻量化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

航拍地面目标检测算法研究

航拍地面目标检测算法研究

作者：刘松松北京工业大学

学位级别：硕士

航拍地面目标检测是机器视觉(Computer Vision,CV)领域的关键技术之一,它是一项融合计算机视觉、模式识别、图像处理、自动控制和人工智能等不同领域先进成果的高新技术课题,也是实现智能监控系统、智能机器人视觉导航和智能化武器的基... 详细信息

航拍地面目标检测是机器视觉(Computer Vision,CV)领域的关键技术之一,它是一项融合计算机视觉、模式识别、图像处理、自动控制和人工智能等不同领域先进成果的高新技术课题,也是实现智能监控系统、智能机器人视觉导航和智能化武器的基础。本文的研究内容主要涉及了可见光条件下的航拍地面运动目标和航拍城市街景中目标的检测以及红外图像序列中的航拍地面目标检测两部分。本文主要工作是在CV领域中经典研究成果的基础上,对现有的航拍目标检测方法进行了改进和创新。具体来说主要有以下三个方面:(1)本文在Hu矩和径向矩矩(Radial Moment)的基础之上提出了一种新的航拍地面运动目标检测算法—HRM算法。本文作者选取了一组具有各向同性的图像特征,基于矩框架下,作者提取了具有7维的Hu矩特征和二阶12维的RM特征构造成新的具有19维的图像特征。通过在ORIDS标准测试数据集上进行ROC曲线分析和实时性测试,证明本文算法可取得比目前经典算法更好的结果。此外,本文提出的目标模型库更新使得在目标检测过程中同时也进行目标的正样本补充,提升了支持向量机(Support Vector Machine,SVM)分类模型的检测精度。实验表明,随着检测领域和时间的累积,特征库中的特征信息愈加完善,检测器对航拍目标的检测准确性获得了提升。(2)本文在Fourier-HOG算法的基础上,提出了一种光照归一化预处理的航拍城市街景中目标检测方法。该方法对Fourier-HOG算法进行了两个方面的改进:第一,本文针对Fourier-HOG算法在车辆位于阴影区域时检测度不高的问题,提出了基于LSH的光照归一化的预处理算法。第二,本文为了降低算法的运算量,提出了基于梯度信息的背景滤除。实验分析证明改进的Fourier-HOG算法在位置准确性(Position Accuracy)上与其它4种经典航拍目标检测算法相比,有更好的表现。(3)本文提出了一种基于图像分割的目标粗检测和精检测相匹配的红外目标检测方法。本文方法主要有两方面特点:第一,在粗检测部分,针对疑似目标区域,选取了目标的面积、平均亮度、近似椭圆短长轴比、近似椭圆的填充比四个特征作为分类标准。第二,在目标的精检测部分,本文提出了帧间轨迹关联的精确匹配算法。通过对前后帧疑似目标的匹配,在“外观相似度”和“空间位置相似度”两种指标下检测出目标。实验结果表明,该算法在检测准确性方面具有较好的表现,且该算法实时性能优秀。

关键词：计算机视觉航拍目标检测特征提取支持向量机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

航拍图像路面裂缝检测研究

航拍图像路面裂缝检测研究

作者：王博北京理工大学

学位级别：硕士

路面裂缝检测算法在公路质量检测评价中,具有准确、高效的优势,迅速得到广泛应用。现有算法应用场景均为车载方式采集图像,但随着高效、便捷的无人机载采集方式出现,已无法适用于航拍图像的裂缝识别任务。因此,本论文主要围绕针对航拍... 详细信息

路面裂缝检测算法在公路质量检测评价中,具有准确、高效的优势,迅速得到广泛应用。现有算法应用场景均为车载方式采集图像,但随着高效、便捷的无人机载采集方式出现,已无法适用于航拍图像的裂缝识别任务。因此,本论文主要围绕针对航拍图像的路面裂缝检测算法展开研究。结合无人机飞行平台,本论文理论分析相机像素与裂缝目标对应关系,选取合适的高清相机采集装置,多次试验采集航拍路面图像,并筛选试验采集图像,标注制作可用于深度学习训练的航拍裂缝图像数据集,并展示裂缝检测软件设计方案及离线操作界面。针对航拍路面图像识别的噪声和干扰问题,本论文提出了一种基于图像分割的裂缝检测算法。根据路面区域与路旁景观区域灰度级数分布不同,提出多方向拟合区域生长方法联合HSV颜色空间阈值进行路面区域分割,提取包含完整裂缝信息的单通道路面;再设计滑窗滤波算法剔除面积较大的干扰区域,利用结合显著性分析的边缘检测算法识别路面的裂缝片段,实现了复杂裂缝与路面纹理噪声的区分;针对裂缝可疑区域,提取单像素骨架,分类并计算其长度。实验验证该算法可有效剔除航拍图像中的噪声和干扰,可疑裂缝图像筛选准确率80%以上,分类识别准确率85%以上,长度测量准确率75%以上。为了改进传统图像处理算法的鲁棒性,本论文提出了一种基于深度学习的裂缝检测算法。结合K-means算法设计了一个满足高召回率特点的道路粗分割层;通过分析成熟网络结构,结合复杂场景小目标检测情况,设计了一种特征提取网络结构;参考Faster-RCNN的区域提名网络,设计满足于本论文特征提取网络的区域提名结构;利用分类网络对初步检测结果定位分类,并利用检测结果区域提取裂缝单像素骨架并分析评测。实验验证该算法针对复杂场景具有较好的鲁棒性,裂缝检测准确率约为89%。

关键词：路面裂缝航拍目标检测多方向拟合区域生长显著性分析深度学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

航拍图像的路面裂缝识别

光学学报 2017年第8期37卷 119-125页

作者：王博王霞陈飞贺云涛李文光刘莉北京理工大学光电学院光电成像技术与系统教育部重点实验室北京100081 北京理工大学宇航学院北京100081

针对航拍沥青路面图像识别的噪声和干扰问题,提出一种应用于航拍图像的路面裂缝识别算法。根据路面区域与路旁景观区域灰度级数分布不同,采用多方向拟合的区域生长方法联合HSV颜色空间阈值进行路面区域分割,提取包含完整裂缝信息的单通... 详细信息

针对航拍沥青路面图像识别的噪声和干扰问题,提出一种应用于航拍图像的路面裂缝识别算法。根据路面区域与路旁景观区域灰度级数分布不同,采用多方向拟合的区域生长方法联合HSV颜色空间阈值进行路面区域分割,提取包含完整裂缝信息的单通道路面;再通过改进的形态学滤波剔除面积较大的干扰区域,利用结合显著性分析的边缘检测算法识别路面的裂缝片段,实现复杂裂缝与路面纹理噪声的区分;自动筛选存在裂缝的图像,针对裂缝可疑区域,结合人眼辅助观察标记并计算其长度。结果表明,该算法可有效剔除图像中的噪声和干扰,较好地识别沥青路面的裂缝,裂缝宽度的识别精度能达到9.7mm,分类识别准确率大于80.0%,长度测量准确率大于75.0%。

关键词：图像处理航拍目标检测路面裂缝多方向拟合区域生长形态学滤波显著性分析