检索结果-南通市图书馆

作者：温昕燃西安理工大学

学位级别：硕士

书法是中华民族独创的一种艺术,多以碑刻或字帖为载体保存下来,记录着许多历史。而其中存在的缺损部分严重地影响了对内容地理解,使得研究人员在解读内容前先要对缺损内容进行标注和修复,但通过人力手工对大量图像进行标定的效率过低。... 详细信息

书法是中华民族独创的一种艺术,多以碑刻或字帖为载体保存下来,记录着许多历史。而其中存在的缺损部分严重地影响了对内容地理解,使得研究人员在解读内容前先要对缺损内容进行标注和修复,但通过人力手工对大量图像进行标定的效率过低。得益于如今快速发展的图像处理和模式识别技术,对机器自适应标注算法的研究已成大势所趋,作为新兴技术的深度学习算法,尤其是基于深度学习的检测算法,在对图像、实时视频上的标记准确率与处理速率都表现出了优秀的效果。本文将对碑帖中缺损字标注建模为以缺损字为目标的检测问题,并与深度学习相关技术相结合,针对一般检测模型自身和其在此研究背景下存在的问题进行了研究,并提出了相应的解决方案对检测模型进行改进,实现了在较快检测速率的情况下,对碑帖图像中缺损字有效地检测与标记。本文主要工作如下:(1)数字化后的碑文图像预处理。首次对碑帖图像中的缺损及未缺损字进行标注、分类,然后将标注好的区域和分类的标签结合形成配对的数据,构建出碑帖图像缺损字检测数据集,作为端到端的缺损字检测模型的输入。(2)首次提出将基于神经网络的目标检测应用到碑帖图像的缺损字检测中。将缺损字作为目标,提出一种基于深度学习的一阶段检测算法,针对自身存在的样本不均衡问题,一方面采用focal loss作为损失函数抑制难易样本之间的不均衡问题,另一方面通过CBAM 注意力模块(Convolutional Block Attention Module,CBAM)产出的空间注意力图对特征图逐像素点进行加权和掩码来进一步解决正负样本不均衡问题。其次,对于该研究背景下延伸出的小目标检测问题,在采用特征金字塔网络(Feature Pyramid Network,fpn)的基础上,借助压缩激励模块(Squeeze and Excitationblock,SE block)得到的通道注意力图对fpn中的特征图在横向连接时丢失的信息进行补全。并将检测网络实现后与经典的一、二阶段检测算法进行对比,表明本文改进方案的有效性。(3)针对提出的检测方法在图像中歧义区域存在的误检问题,从特征提取的角度出发,提出并实现采用ResNeXt网络结合分组卷积策略对提出的检测模型做轻量级的进一步优化。通过对卷积模块的扩展,使模型能够在更多子空间中挖掘丰富的特征表示,对检测性能的提高效果显著,且通过后续的消融实验将本文的检测算法的性能发挥到最优。总而言之,本文首次提出基于深度学习的检测方法对碑帖图像中缺损汉字进行检测,不仅提高了对不同尺寸的缺损字的检测精度,还消除了对歧义区域目标存在的检测错误和检测过程中出现样本不均衡,实验证明算法在速率较快的同时也具有较高的准确度和鲁棒性。

关键词：目标检测碑文图像缺损汉字检测深度卷积神经网络 RetinaNet 注意力机制 fpn

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于实例分割的小麦不完善粒的检测研究

基于实例分割的小麦不完善粒的检测研究

作者：申冉河南工业大学

学位级别：硕士

小麦在市场的流通过程中需要按质估价。单位容积小麦的不完善粒含量是影响其品质评定的重要因素,因此实现小麦不完善粒的快速无损检测对小麦质量的等级评定具有重大意义。在实际环境中,粮库人员需手动筛查,极大的耗费人力和时间成本。... 详细信息

小麦在市场的流通过程中需要按质估价。单位容积小麦的不完善粒含量是影响其品质评定的重要因素,因此实现小麦不完善粒的快速无损检测对小麦质量的等级评定具有重大意义。在实际环境中,粮库人员需手动筛查,极大的耗费人力和时间成本。目前的机器视觉技术识别准确率低并难以识别粘连籽粒。针对以上问题,本文以小麦中完善粒和不完善粒(发霉粒,虫蚀粒,病斑粒,发芽粒,破损粒)为检测目标,创建小麦籽粒数据集,通过对比不同模型的实验结果,选择并构建了基于改进Mask RCNN的小麦不完善粒实例分割模型,并基于分割后的结果创建小麦籽粒的面积和质量回归模型以计算小麦等级,最终实现了小麦不完善粒检测的可视化平台。本文具体工作如下:(1)构建小麦籽粒数据集。针对目前小麦籽粒数据集缺失的问题,通过图像采集平台采集图像共130张,总颗粒数26754,作为原始数据集。使用labelme软件逐粒标注,得到对应的标注文件和掩膜图片。为提高模型泛化能力,将原始数据集分别按照降低亮度,加噪,加随机点,平移和翻转这五种数据增强方法进行图像增强。按照8:1:1的比例划分数据集,最终完成了780张COCO格式的小麦籽粒数据集的构建。(2)研究小麦不完善粒检测和分割基础模型。为探究小麦不完善粒分割可行性,研究对比了目标检测、语义分割和实例分割方法。通过对比实验结果,最终选择精度较好,适合后处理评定等级的实例分割方法。通过对比几种经典的实例分割模型,选择分割精度较高,对于粘连颗粒分割效果更好的Mask RCNN模型,经过初步实验,验证了Mask RCNN基础模型能够基本满足小麦不完善粒的识别和分割。(3)提出改进的Mask RCNN小麦不完善粒分割模型。为解决主干网络提取特征时没有针对性的问题,在提取的四个特征层后添加高效通道注意力(Efficient Channel Attention,ECA)模块。为加强网络对小麦边缘信息的提取能力和对小麦籽粒尺寸变化的适应能力,在主干网络后添加自下而上特征金字塔网络。在原始的Mask RCNN网络中,生成锚框会保存很多位置信息,增大模型计算量,进而影响模型运行速度,针对这一点,调整区域建议网络(Region Proposal Network,RPN)。同时在后处理阶段优化非极大值抑制(Non Max Suppression,NMS)策略,防止模型将粘连程度严重的颗粒识别为同一个目标。实验表明,改进后的模型m AP由47.2%提高至86.3%,处理一张图片的时间由11s降低为8s。(4)搭建小麦颗粒面积和容重的回归模型并实现可视化平台。不完善粒含量的计算依赖容重,因此构建了分割后图像面积和容重的回归模型。抽取十批不完善粒含量不同的小麦,按照实际称量结果作为准确结果,对回归模型进行进一步的矫正。最后利用Python的Flask技术将前后端封装,实现不完善粒检测可视化平台。

关键词：实例分割小麦不完善粒 Mask RCNN 注意力机制 fpn NMS

基于改进CenterNet的肺结节检测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进CenterNet的肺结节检测研究

作者：张艳红安庆师范大学

学位级别：硕士

肺癌作为一种高发病率和高死亡率的癌症,要想提高患者的生存机会,早期的诊断和及时治疗是降低肺癌死亡率最有效的途径。肺结节作为肺癌初期的重要病征之一,对早期肺癌的诊治起着关键的作用,因此提高肺结节检测性能具有至关重要的临床价... 详细信息

肺癌作为一种高发病率和高死亡率的癌症,要想提高患者的生存机会,早期的诊断和及时治疗是降低肺癌死亡率最有效的途径。肺结节作为肺癌初期的重要病征之一,对早期肺癌的诊治起着关键的作用,因此提高肺结节检测性能具有至关重要的临床价值。基于深度学习的目标检测算法已广泛应用于肺结节检测研究,由于肺结节体积较小、位置变幻莫测、肺部纹理复杂等物理特征,导致肺结节检测存在一定的难度,因此目前肺结节检测在检测精度上还有一定的提升空间。本文主要从以下几个方面进行实验研究:(1)针对CenterNet算法存在特征提取网络层数较少、易丢失肺结节特征信息等问题,提出了一种基于CBAM的CenterNet肺结节检测算法。采用ResNet50作为CenterNet算法的特征提取网络,在其基础上添加CBAM注意力机制构建ResNet50+CBAM模块,然后再嵌入到CenterNet算法框架当中,这样改进后的CBAM-CenterNet算法对提取不同层的肺结节特征信息在很大程度上起到促进作用,同时可以忽略那些无关紧要的肺结节信息,进而提取出更为丰富的肺结节特征信息。本文采用具有代表性的mAP、Recall、Precision评价指标进行实验对比,在同等实验条件下,结果表明本文提出的CBAM-CenterNet算法的肺结节检测性能较好,明显优于其他几个对比算法,其中平均精度达到86.93%,与原始CenterNet模型相比提高了1.96%,证实了改进后的CBAM-CenterNet算法能够有效提升肺结节的检测效果。(2)针对肺结节数据量少,CenterNet算法的泛化能力和识别能力不强问题,为了提高检测模型的准确性,采取数据增强方法扩充了肺结节数据集。本文选取翻转、对比度处理、高斯模糊和颜色反转四种扩增方法对原始606张肺结节图像进行数据集扩增,数据增强后的数据集共有2 424张肺结节图像。接着针对改进的ResNet50+CBAM特征提取网络对处理较小肺结节检测精度不高等问题,提出了基于fpn的CenterNet肺结节检测算法。在ResNet50+CBAM特征提取网络上添加fpn构建ResNet50+CBAM+fpn模块,这样改进后的fpn-CenterNet算法对提取小尺寸的肺结节特征信息在很大程度上有了改善。在同等实验条件下,消融实验结果表明本文提出的fpn-CenterNet算法检测效果有所提升,平均精度能达到89.90%,与原始CenterNet模型相比提高了4.93%,证实了改进后的fpn-CenterNet算法能够有效提升肺结节的检测效果。本文基于以上方法对CenterNet肺结节检测均进行了实验验证,证实了改进的算法能够有效提升肺结节的检测效果。

关键词：目标检测肺结节 CenterNet算法 CBAM注意力机制 fpn

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的行人检测算法优化研究

基于深度学习的行人检测算法优化研究

作者：景浩南内蒙古大学

学位级别：硕士

行人检测是目标检测领域的重要应用之一,基于深度学习的行人检测算法研究也是近些年来的研究热点之一。行人检测算法在面对不同的任务需求时对各种检测指标的要求也不尽相同。近些年来自动驾驶任务中比较主流的重参数模型虽然加快了推... 详细信息

行人检测是目标检测领域的重要应用之一,基于深度学习的行人检测算法研究也是近些年来的研究热点之一。行人检测算法在面对不同的任务需求时对各种检测指标的要求也不尽相同。近些年来自动驾驶任务中比较主流的重参数模型虽然加快了推理过程的检测速度,但在训练过程中仍需要更多的训练资源,这对大部分行人检测任务来说是不友好的。本文提出的基于SSD行人检测算法的优化改进包含以下内容:1、使用了具有跨层连接的残差结构。将更多浅层特征传递到待检测层附近,增加待检测层所包含的目标特征信息。2、改进的fpn结构以增强待检测层的筛选能力。改进的fpn结构增强了fpn结构对干扰特征的筛选能力,以减少深层大目标特征对小目标检测的影响。3、提出CSA特征层融合方法(concatenate+SEblock+Add)增强多尺度特征的表达和筛选能力。对残差结构和fpn结构得到的特征层使用CSA特征融合方法进一步与抑制干扰特征的表达能力,降低模型错检数量。4、提出基于分组卷积的下采样方法。代替传统池化降采样方法,使降采样参数可以随模型迭代更新,将更多对目标表达有利的连续特征传递进网络深处。结果表明,在原SSD300-VGG16模型仅取得53.09%m AP的情况下,在使用了本文提出的优化结构后其m AP结果达到了62.61%。最后,本文使用了L2正则化方法和随机裁剪预处理方法对模型做了优化并调整了输入图片的尺寸和对应的先验框尺寸。在输入尺寸为306×150时m AP结果为64.24%,FPS为69.43;在输入尺寸为408×220时m AP结果为77.13%,FPS为55.85;在输入尺寸为512×260时m AP结果为81.94%,FPS为39.36。

关键词： SSD 行人检测 fpn 特征层融合分组卷积下采样

基于深度学习的高分辨率遥感图像目标检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的高分辨率遥感图像目标检测方法研究

作者：刘烨坡南昌大学

学位级别：硕士

随着计算机技术和国家航天航空事业的发展,一颗颗遥感卫星相继投射空中,遥感图像的分辨率越来越高,也愈发清晰,遥感图像中包含的地表信息不仅能运用于林业、农业、水利等民用领域,还能应用于军事国防领域。目前的目标检测技术在自然图... 详细信息

随着计算机技术和国家航天航空事业的发展,一颗颗遥感卫星相继投射空中,遥感图像的分辨率越来越高,也愈发清晰,遥感图像中包含的地表信息不仅能运用于林业、农业、水利等民用领域,还能应用于军事国防领域。目前的目标检测技术在自然图像检测中取得了很好的成果,但在遥感图像方面表现欠佳,这是因为遥感图像本身分辨率很高,图中的关键目标尺寸极小并且多方向密集分布,而背景信息十分冗杂并遍及全图范围,导致在使用传统方式进行目标检测时会存在检测精度低和速度慢的问题。针对这些问题,本文展开了一系列的研究、改进模型并进行实验验证,具体工作内容如下:(1)为了提高图像的清晰度和对比度,以及清除遥感图像在拍摄过程中可能存在的云雾,本文使用MSRCR技术对图像进行了处理,使图像得到了增强;本文在原始数据集上进行了旋转、缩放、平移等操作扩增了数据集,增加了模型训练和测试所用数据的数量,旨在提升网络的鲁棒性;(2)为了提升网络检测速度以及精度,在提取特征时集中注意力于目标等重要信息上,尽可能忽略背景等无用信息,本文在特征提取网络中引入CBAM注意力机制,通过实验证明了引入CBAM的网络的检测性能更优;(3)为了提升小目标的检测精度,在特征提取网络中融入多尺度特征金字塔(fpn),构建多尺度特征图,使高层特征层能够同低层特征融合,在得到高级信息的同时也能获得简单特征,使得小目标的信息也能比较完整的映射出来,最后将本文修改的网络同其他网络进行对比,在数据集DIOR上检测的mAP值比原Faster R-CNN提升了15%;(4)基于水平框标注的局限性,在针对遥感图像目标检测时存在检测框交叠且框内包含较多冗余背景的缺陷,本文使用RRPN代替RPN,将水平标注框转换为带有角度的矩形框,并在数据集DOTA上进行了对比实验,实验证明了RRPN生成的候选框剔除了无用的冗余区域,比起RPN更适用于遥感图像中目标密集排列并且方向各异的情况。

关键词：遥感图像目标检测 Faster R-CNN 注意力机制 fpn RRPN

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的交通标志识别研究

基于深度学习的交通标志识别研究

作者：秦傲辽宁科技大学

学位级别：硕士

大多数的交通事故是由于驾驶员的不规范驾驶所导致的,例如酒驾、疲劳驾驶、失误操作等,对人们的日常出行安全造成了威胁。随着人工智能的崛起而出现的自动驾驶技术,针对车辆行驶过程中的操作进行规范,可以有效避免人为操作而导致的交通... 详细信息

大多数的交通事故是由于驾驶员的不规范驾驶所导致的,例如酒驾、疲劳驾驶、失误操作等,对人们的日常出行安全造成了威胁。随着人工智能的崛起而出现的自动驾驶技术,针对车辆行驶过程中的操作进行规范,可以有效避免人为操作而导致的交通事故。自动驾驶关键技术之一,就是对于交通标志的准确检测与识别。但是交通标志类别多、形状不同、颜色各异,要对其准确检测与识别存在一定困难,本文采用深度学习中的目标检测算法来解决交通标志的检测与识别问题,并针对模型的网络结构进行分析与改进来达到更好的识别效果。本文通过对主流目标检测算法在目标检测方面的功能与效率的对比,选择YOLOv3模型作为基线模型,首先,针对YOLOv3模型的fpn的特征融合会使特征图的特征通道数增多、维度过大、运算量大、模型复杂度高、效率低等问题,以及不同融合特征的重要性不相同,提出了三种加权Add融合方法,通过实验选取性能较好的归一化Re LU限制的加权Add融合方法;其次,针对德国交通标志数据集样本类别不平衡,提出了加权置信度损失函数,通过实验选取性能较好的权重值;最后,将改进后的YOLOv3模型在德国交通标志数据集上进行训练测试,m AP由87.4%提高到98.45%,提高了11.05%。同时,对交通标志的检测速度也达到了32fps。由此得出,本文方法既能提高模型的精度,又具有良好的实时性。为了进一步研究改进模型的应用性,设计了基于改进的YOLOv3模型的交通标志识别系统,对德国实景交通标志图片和车辆驾驶视频进行识别,在不同类别的德国实景交通标志下测试都取得了较好的识别效果,证明了本文设计的交通标志识别系统的有效性。

关键词：交通标志检测识别深度学习 YOLOv3 fpn 置信度损失函数

基于目标检测的直线电机列车车底故障识别系统设计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于目标检测的直线电机列车车底故障识别系统设计

作者：朱有轩南京理工大学

学位级别：硕士

伴随着科技的进步,城市的交通系统也得到了长足的发展。由于具有较好的转向能力和爬坡能力,装有直线电机的地铁列车被广泛应用于城轨交通系统当中。由于列车运行过程中经由露天路段,定子底板的持续高温会吸附小型杂物。而定子底板一旦... 详细信息

伴随着科技的进步,城市的交通系统也得到了长足的发展。由于具有较好的转向能力和爬坡能力,装有直线电机的地铁列车被广泛应用于城轨交通系统当中。由于列车运行过程中经由露天路段,定子底板的持续高温会吸附小型杂物。而定子底板一旦吸附了异物,很可能会和轨道发生摩擦。同时,由于外力等因素,在运行过程中,定子底板的槽楔有脱落的风险,这给列车的安全运行带来了极大地隐患。此外,列车车底还有很多零部件,这些零部件基本都需要螺栓加固,一旦螺栓脱落,也会给地铁的运行带来安全隐患。因此,对直线电机地铁列车底部进行故障检测至关重要。本文针对直线电机列车底部可能出现的多种故障,设计了基于目标检测的直线电机地铁列车车底故障识别系统,主要包含了硬件架构的设计,软件框架的设计和基于目标检测的故障识别算法的设计与优化。首先,设计了列车底部故障识别系统的整体方案。依据整体方案和广州四号线的现场情况,进行硬件选型和布局。其中包括轨行区设备的选择和铺设以及设备房硬件的选择。并且结合硬件系统,设计并开发了地铁列车底部故障检测软件,主要包括PLC控制系统,相机拍摄系统和图像处理系统。然后,针对多尺度目标检测中小目标难以检测的问题,提出了新型fpn结构,提高了对螺栓和异物的检测精度;并且针对RPN网络原始Anchor尺寸不匹配的问题,利用K-means++聚类算法对Anchor尺寸进行了优选,使其更加适配本文检测的目标,提高检测的准确性。接着,引入鲸鱼优化算法对Faster-RCNN检测框架中的RPN损失函数进行改进,提高网络的整体检测精度;针对Faster-RCNN检测框架中激活函数中神经元坏死等问题,提出了一种新的激活函数X-Relu;针对传统非极大值抑制算法可能出现目标框重叠和漏检等问题,对非极大值抑制算法进行了改进,结合分类得分和定位得分将建议框进行排序,根据建议框得分排序来设定阈值,并对超过阈值的目标框进行保留,以减少目标框漏检问题的发生。最后,利用从现场采集到的车底图像,对本文所提算法和原始算法,进行了对比实验与测试。研究结果表明本文提出的针对直线电机列车车底故障识别技术具有一定可行性和应用价值。

关键词：直线电机列车 Faster-RCNN 小目标检测 fpn 鲸鱼优化算法

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CNN的人体目标跟踪算法研究

基于CNN的人体目标跟踪算法研究

作者：钱美伊青岛科技大学

学位级别：硕士

人体目标跟踪是计算机视觉的重要研究方向,广泛应用于智能视频监控、智能交通系统、机器人、自动驾驶等领域,具有极高的研究价值。计算机视觉领域的深度学习方法,具有自主学习目标特征、准确度高、鲁棒性强等优点。但是,基于深度学习的... 详细信息

人体目标跟踪是计算机视觉的重要研究方向,广泛应用于智能视频监控、智能交通系统、机器人、自动驾驶等领域,具有极高的研究价值。计算机视觉领域的深度学习方法,具有自主学习目标特征、准确度高、鲁棒性强等优点。但是,基于深度学习的目标跟踪仍然面对首帧训练数据不足、各种内外部因素干扰、实时性要求等问题。因此,本文针对人体目标检测和目标跟踪算法进行了研究,研究工作如下:(1)针对当前主流的人体目标检测算法Faster R-CNN,在处理多尺度问题时精度不足,网络运行效率有待提升等问题,提出基于CNN的多尺度多人目标检测方法。将fpn特征金字塔分别与Faster R-CNN的两个阶段进行结合,得到多尺度RPN和多尺度人体检测器。权衡RPN阶段正负锚点数量,保证网络高效、稳定运行。提出使用多次NMS,代替一次NMS,加快网络运行速度。调整锚点纵横比例,并对整体网络进行了一系列优化。提出的算法模型在标准数据集PETS 2009,Caltech,和INRIA上经过端到端训练得到,实验结果表明,提出方法的平均精确度显著提高。(2)针对当前主流的目标跟踪算法SiamMask提取目标的特征信息丰富度、深度欠佳,网络运行效率有待提升,在大型数据集上的训练速度慢等问题,提出特征融合与训练加速的高效目标跟踪。加深主干网络的参考特征层级,减少下采样,融合多个层级的参考特征图,从而提取目标更加深度、丰富的语义信息。经过深度互相关操作得到RoWs,在其中构建RPN网络,通过权衡正负锚点的数量比,使孪生网络性能更加高效、稳定。多个大型数据集训练孪生网络时,使用均匀滑动漂移采样,代替随机漂移采样算法,从而在抑制中心偏置现象的同时,显著地加快了孪生网络训练速度。在目标跟踪基准VOT2018上的评估实验结果表明,与所有参考的主流跟踪算法相比,提出的跟踪算法具有最佳性能。(3)将本文人体目标检测和目标跟踪算法相结合,实现完全自动的人体目标跟踪。首先对视频首帧使用本文人体目标检测方法,精确检测人体目标所在区域。将首帧人体区域坐标送入本文目标跟踪算法,对人体目标进行逐帧的跟踪。在VOT2018人体目标视频序列上的评估实验表明,与所有参考的跟踪算法相比,本文算法具有最优性能。

关键词：人体目标检测目标跟踪 fpn SiamMask 权衡锚点漂移采样

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于验证和纠错策略的视觉目标跟踪算法研究

基于验证和纠错策略的视觉目标跟踪算法研究

作者：王智卓西安电子科技大学

学位级别：硕士

伴随着平安城市的到来,视频监视领域获得了快速的发展,各种智能终端应运而生,而视觉目标跟踪作为视频监视的一项关键技术起到了至关重要的作用;由于视觉目标跟踪技术可以应用在自动驾驶系统中做目标的实时跟踪,因而受到研究人员的广泛... 详细信息

伴随着平安城市的到来,视频监视领域获得了快速的发展,各种智能终端应运而生,而视觉目标跟踪作为视频监视的一项关键技术起到了至关重要的作用;由于视觉目标跟踪技术可以应用在自动驾驶系统中做目标的实时跟踪,因而受到研究人员的广泛关注。尽管当前已经存在了很多性能优异的视觉跟踪算法,但是这些算法还不能满足现实场景中的速度和精度要求。针对现实场景中对视觉目标跟踪算法提出的实时准确的需求,本文对现有的国内外经典的视觉目标跟踪算法进行了深入的研究和分析,针对这些算法中存在的几个关键问题提出了一些高效的解决方案,最终提出了一种灵活、高效、高精度的视觉目标跟踪算法ATVC。本文首先对ECO和SINT算法的原理进行了深入的剖析;然后寻找出这些算法中存在的一些关键问题;接着针对这些具体的问题提出了相应的解决方案。对于视频中待跟踪的目标而言,是有所谓的难易之分的,我们可以跟踪视频帧的难易情况采用不同的解决方案,为了对视频中的视频帧进行难易的区分,本文设计了一个新的验证模块来解决这个问题;针对视觉跟踪算法中存在的目标重跟踪和目标重出现等问题,本文提出了一个灵活高效的纠错模块,该模块可以嵌入到任何一个跟踪器上面;针对SINT算法而言,本文提出了多个新的改进思路来改善该算法的跟踪性能,通过引入ROIAlign层来获得一个更加准确的BoundingBox(BB);通过加入残差块使得网络能够获得更加鲁棒的特征表示,同时加快网络的训练;通过融入fpn的思路来更好的解决视觉目标跟踪算法中的尺度和外观改变问题,进一步提升特征的鲁棒性。为了验证本文改进的视觉跟踪算法的有效性,本文在OTB50、OTB100、TC128、UAV123等多个经典的跟踪数据集上面进行了性能测试。为了客观的对本文提出的算法进行性能评估,本文在不同的数据集上面分别进行了客观指标评价和主观指标评价;除此之外,为了证明本文提出的改进方案的有效性,本文分别测试了不同模块带来的性能提升。大量的测试结果表明本文提出的视觉目标跟踪算法不仅具有更高的精度,而且比较灵活,更能满足现实场景的需要,可以针对不能的任务做模块的裁剪。本文提出的视觉跟踪算法可以在GTX 1080 GPU上面获得35fps的帧率,基本满足了实时场景的需要。综上所述,本文提出的视觉目标跟踪算法ATVC具有高精度、易用性、高灵活度、满足现实场景需要等多个优点,可以针对现实场景中的具体任务进行裁剪,基本可以满足现实场景的需求。

关键词： ATVC 验证模块纠错模块残差连接 fpn

基于Faster R-CNN和高光谱图像的海上溢油检测研究

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Faster R-CNN和高光谱图像的海上溢油检测研究

作者：蔡小华大连海事大学

学位级别：硕士

溢油事故严重威胁到海上公共安全以及周边水域和陆地的生态环境。为尽可能地减少溢油事故对环境的危害以及对海上交通运输的影响,需要实时地掌握溢油所在的具体区域并对溢油进行及时处理。为维护海上通航安全、维持海上生态环境,针对海... 详细信息

溢油事故严重威胁到海上公共安全以及周边水域和陆地的生态环境。为尽可能地减少溢油事故对环境的危害以及对海上交通运输的影响,需要实时地掌握溢油所在的具体区域并对溢油进行及时处理。为维护海上通航安全、维持海上生态环境,针对海上溢油检测高效化尚有欠缺的问题,提出基于高光谱遥感图像和Faster R-CNN(Regions with Convolutional Neural Networks Features)目标检测算法的溢油区域提取方法,将其与fpn(Feature image pyramid,特征金字塔网络)结合进行改进并进行对比分析,从而实现更为高效的自动化溢油检测,为海上溢油事故的应急监测预警提供技术支持。本文首先研究了不同时间以及不同分辨率的高光谱数据中海水光谱曲线特性、油膜光谱曲线特性,以及海水与油膜的光谱曲线的差异性对比。着重探讨了海水光谱曲线与油膜光谱曲线反差较大的波段区域,确定了能较好区分溢油与海水的波段范围。其中,在可见光波段区域内随着油膜厚度的增加其DN(Digital Number,遥感影像像元亮度值)值越来越低,到了近红外波段区域厚油膜的DN值远大于海水与薄油膜。选取油膜与海水差异性较大波段35(波长675.4nm)以及可见光波段范围内的两个峰值波段10(波长453.0nm)以及波段6(波长414.3nm)共三个通道合成假彩色图像,使用该方式合成得到的图像构建合成假彩色数据集,同时选取波段29(波长638.2nm)、波段20(波长550.3nm)和波段12(波长472.5nm)建立真彩色数据集。使用这两组数据集训练和检验Faster R-CNN目标检测框架,并与其他目标检测算法作对比以验证该算法的有效性。检测结果表明合成假彩色的平均精确度要略高于真彩色图像,说明了选用合适的波段通道合成的假彩色图像比真彩色图像更适合用于进行海上溢油检测,验证了合适波段通道选取的必要性。进一步改进Faster R-CNN溢油检测模型,将fpn与Faster R-CNN相结合。训练改进后的目标检测框架得到fpn+Faster R-CNN溢油检测模型,将该模型与改进前的模型进行对比,结果表明无论是应用于真彩色数据集还是合成假彩色数据集其效果都比改进前要好。直观地将检测结果图进行对比,发现fpn+Faster R-CNN相较于Faster R-CNN能够检测出更多小块油膜,即fpn+Faster R-CNN算法在海上溢油目标检测上相较于Faster R-CNN算法有很好的提升,能够有效应用于实际溢油事故中主要溢油区域的快速检测。

关键词：高光谱遥感油膜识别 fpn Faster R-CNN