發(fā)布時間：2025-04-22 22:21

　　目標(biāo)檢測是計算機(jī)視覺領(lǐng)域一個重要的研究方向,在各行各業(yè)都扮演著重要的角色。目標(biāo)檢測運用不同機(jī)器學(xué)習(xí)方法來解決目標(biāo)檢測中存在的各種問題,但是其仍然存在著各種挑戰(zhàn)。卷積神經(jīng)網(wǎng)絡(luò)(CNN)是“黑盒子”的非線性分類器,能夠通過其分層結(jié)構(gòu)自動地獲得圖像的高級特征。盡管如此,CNN并沒有提供較低層次特征之間的明確關(guān)系。因此,CNN可能會失去關(guān)于候選關(guān)系結(jié)構(gòu)的潛在信息。而這些信息是能夠提高算法檢測準(zhǔn)確性的重要信息�？勺冃尾考�模型(DPM)算法是圖形模型(馬爾可夫隨機(jī)場),使用一系列的部件以及部件的空間位置關(guān)系表示目標(biāo)。在目標(biāo)檢測中,DPM和CNN算法都有各自優(yōu)缺點,因此整合DPM和CNN是一個富有前途的方法。與此同時,似物性檢測算法能夠提供比滑動窗口搜索策略更少的候選窗口,從而減少目標(biāo)檢測算法的復(fù)雜度。因此本文關(guān)注于如何將似物性檢測算法、CNN算法、DPM算法聯(lián)合起來,充分發(fā)揮三者優(yōu)勢,提升檢測效率和檢測精度。本文的主要內(nèi)容包括:(1)BING算法是目前最快的似物性檢測算法,具有300fps的運行速度,在交并比閾值為0.5和取其前1000個候選窗口的前提下,其召回率為96.2%。然而,BING算法存在...

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和研究意義
    1.2 目標(biāo)檢測研究現(xiàn)狀
    1.3 本文的主要內(nèi)容和章節(jié)安排
第二章 似物性檢測
    2.1 似物性的定義以及研究現(xiàn)狀
        2.1.1 似物性的定義和評價指標(biāo)
        2.1.2 似物性檢測的研究現(xiàn)狀
    2.2 基于BING的似物性檢測算法
        2.2.1 BING算法的原理
        2.2.2 BING算法的發(fā)展
        2.2.3 BING算法的參數(shù)選擇
        2.2.4 實驗結(jié)果與分析
    2.3 本章小結(jié)
第三章 改進(jìn)的DPM算法
    3.1 DPM算法的模型
    3.2 DPM算法的訓(xùn)練
        3.2.1 LatentSVM模型的訓(xùn)練
        3.2.2 單組件DPM模型的訓(xùn)練
    3.3 BING算法與DPM算法的結(jié)合
        3.3.1 結(jié)合策略
        3.3.2 實驗結(jié)果與分析
    3.4 本章小結(jié)
第四章 快速深度DPM算法
    4.1 卷積神經(jīng)網(wǎng)絡(luò)的相關(guān)知識
        4.1.1 人工神經(jīng)元模型
        4.1.2 深度卷積特征提取
    4.2 深度DPM算法的原理
        4.2.1 特征提取網(wǎng)絡(luò)
        4.2.2 DPM-CNN結(jié)構(gòu)
    4.3 快速深度DPM
        4.3.1 快速深度DPM的結(jié)構(gòu)
        4.3.2 實驗結(jié)果與分析
    4.4 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表論文
致謝



本文編號：4040799