bck

收藏本站

基于卷积神经网络的目标检测若干问题研究

【摘要】:目标检测是计算机视觉、机器学习、人工智能等领域的研究热点,在诸如智能视频监控、机器人环境感知、大规模图像检索等方面都有广泛的应用。当前,基于卷积神经网络的目标检测方法是一种主要的目标检测方法,使用学习的特征替代手工制作的特征,从而提高目标检测的准确度。虽然基于卷积神经网络的目标检测方法已经取得了丰硕的研究成果,但是仍然存在一些关键问题没有解决。一方面,由于现有目标检测器缺乏场景自适应性,导致检测器不适应监控场景的视角变化,目标检测的准确度急剧下降。另一方面,由于现有目标检测器缺乏记忆与预测机制,导致检测器不具有记忆能力和预测能力,目标检测的准确度难以提升。为了解决上述两个问题,本文开展了两个方面的研究——面向监控场景的目标检测方法研究和基于记忆预测的目标检测方法研究,针对每个研究方面进行了两项研究工作。本文主要的工作以及贡献如下:(1)针对现有车辆检测器缺乏场景自适应性的问题,提出了一种基于网络调整和结构优化的车辆检测器迁移方法,采用特征层次的迁移、网络结构的优化以及样本层次的迁移,使基于卷积神经网络的车辆检测器逐渐适应监控场景。首先,根据不同视角下车辆特征的差异,调整不可跨视角使用的网络参数。然后,根据同一层中特征图的相似度,逐层地合并相似的特征图。最后,从通用场景的车辆样本集中发掘与监控场景具有相似视角的车辆样本,共同调整网络的参数。实验结果表明,该方法通过网络调整和结构优化分别提高了车辆检测器在监控场景中的检测率和检测速度,成功地迁移了基于卷积神经网络的车辆检测器,获得较好的检测效果。(2)为了构建具有场景自适应性的目标检测器,提出了一种基于网络迁移和上下文学习的目标检测器构建方法,通过迁移卷积神经网络和学习上下文信息两个步骤,构建针对监控场景的自适应回归模型,预测目标在监控场景中的位置。第一步,根据监控场景中样本在卷积神经网络中的激活值,从每个卷积层中挑选可用卷积核,使无用卷积核不再参与特征提取的过程。第二步,根据监控场景的上下文信息,将局部上下文信息和全局上下文信息分别融入到上下文卷积神经网络的卷积层和池化层。实验结果表明,该方法通过迁移卷积神经网络和学习上下文信息分别提高了特征提取的场景自适应性和目标位置预测的准确度,成功地构建了针对监控场景的自适应回归模型,无论是行人检测还是车辆检测,都获得较好的检测效果。(3)针对现有目标检测器缺乏记忆和预测机制的问题,提出了一种基于人类记忆和预测机制的目标检测器设计方法,将卷积神经网络和回复式神经网络整合到同一框架中,使模型具备记忆序列模式的能力和预测目标位置的能力。第一,为了模拟人类记忆单个目标的过程,将单张图像转换为图像序列,利用卷积神经网络和长短时记忆模型记忆和识别单个图像序列的模式。第二,为了模拟人类预测多个目标的过程,将长短时记忆模型转换为回复式卷积神经网络,同时识别多个位置的序列模式以预测检测图像中目标的位置。实验结果表明,在引入记忆和预测机制后,该方法设计的目标检测器成功地记忆了图像的序列模式并且准确地预测了目标在监控场景中的位置,无论是行人检测还是车辆检测,都取得最好的检测效果。(4)为了使行人检测器进一步模拟人类的记忆过程,提出了一种基于序列次序交换和序列模式记忆的行人检测器设计方法,在记忆行人序列模式的同时学习合适的行人序列次序,使行人检测器可以更快速且更准确地记忆和识别行人的序列模式。首先,为了实现序列次序交换的过程,在卷积神经网络和长短时记忆模型之间添加次序交换的步骤,利用交换矩阵将特征序列按照重要程度重新排序。然后,为了同时学习行人序列的次序以及记忆行人序列的模式,分别采用反向传播算法和通过时间的反向传播算法训练交换矩阵和长短时记忆模型。最后,为了提高行人检测的速度,采用基于候选区的目标检测框架,识别每个候选区中图像序列的模式。实验表明,在加入次序交换后,该方法设计的行人检测器成功地学习了行人序列次序并且准确地记忆了行人的序列模式,在检测率和检测速度上都与当前最好的行人检测器不相上下。

下载App查看全文

(如何获取全文? 欢迎:、、)

支持CAJ、PDF文件格式


【相似文献】
中国期刊全文数据库 前20条
1 杨晓帅 ,付玫;神经网络技术让管理更轻松[J];软件世界;2000年11期
2 云中客;新的神经网络来自于仿生学[J];物理;2001年10期
3 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期
4 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期
5 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期
6 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期
7 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期
8 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期
9 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期
10 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期
11 杨钟瑾;;神经网络的过去、现在和将来[J];青年探索;2006年04期
12 林静怡;朱建平;;优化问题神经网络方法的发展及有待解决的问题[J];统计教育;2006年11期
13 王鸿斌;张立毅;;新型神经网络的发展及其应用[J];忻州师范学院学报;2007年02期
14 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期
15 刘彩红;唐万梅;;基于组合神经网络的教师评价模型研究[J];重庆师范大学学报(自然科学版);2008年04期
16 旷章辉;王甲海;周雅兰;;用改进的竞争Hopfield神经网络求解多边形近似问题[J];计算机科学;2009年03期
17 黄松;杨小帆;;离散时间神经网络的研究进展[J];计算机应用研究;2009年08期
18 ;第7届神经网络国际研讨会(英文)[J];智能系统学报;2009年04期
19 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期
20 俸世洲;周尚波;;SOM神经网络在独立学院招生决策中的应用[J];计算机工程与科学;2011年05期
中国重要会议论文全文数据库 前10条
1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年
2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集(上册)[C];2003年
3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年
9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 李旭冬;基于卷积神经网络的目标检测若干问题研究[D];电子科技大学;2017年
2 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年
3 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年
4 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年
5 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年
6 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年
7 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年
8 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年
9 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年
10 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年
中国硕士学位论文全文数据库 前10条
1 王小雪;基于FPGA的卷积神经网络手写数字识别系统的实现[D];北京理工大学;2016年
2 张晓明;基于卷积神经网络与3D几何语义的室内场景理解研究[D];北京交通大学;2018年
3 贾涛;基于卷积神经网络的目标检测技术研究[D];解放军信息工程大学;2017年
4 陈增艳;基于卷积神经网络的电影推荐模型研究[D];大连海事大学;2018年
5 张万亚;多层卷积神经网络深度学习算法的应用研究[D];西安电子科技大学;2017年
6 石乾磊;基于卷积神经网络的图片数字识别系统设计与实现[D];河南大学;2017年
7 高旻健;基于并联卷积神经网络的跨年龄人脸验证[D];华南理工大学;2017年
8 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年
9 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年
10 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年
中国重要报纸全文数据库 前10条
1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;[N];中国教师报;2014年
2 卢业忠;[N];计算机世界;2001年
3 葛一鸣 路边文;[N];中国纺织报;2003年
4 中国科技大学计算机系 邢方亮;[N];计算机世界;2003年
5 记者 孙刚;[N];解放日报;2007年
6 本报记者 刘霞;[N];科技日报;2011年
7 健康时报特约记者  张献怀;[N];健康时报;2006年
8 刘力;[N];中国电子报;2001年
9 ;[N];世界金属导报;2002年
10 邹丽梅 陈耀群;[N];中国船舶报;2006年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978


{bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck体育下载}| {bckbet}| {bcksports}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bck官网}| {bck体育下载}| {bckbet}| {bcksports}| {bck官网}| {bck体育app}| {bck体育}| {bcksports}| {bck官网}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck体育}| {bcksports}| {bck官网}| {bck体育官网}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bck官网}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bcksports}| {bck官网}| {bck}| {bck体育官网}| {bcksports}| {bck体育下载}| {bck体育app}| {bckbet}|
{uc8}| {uc8体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐城}| {uc8彩票}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {uc8体育}| {UC体育}| {uc8老虎机}| {uc8老虎机}| {UC8娱乐}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8老虎机}| {uc8彩票}| {uc8}| {uc8体育}| {UC体育}| {uc8官网}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {uc8彩票}| {uc8}| {uc体育}| {UC体育}| {UC8娱乐城}| {uc8}| {UC体育}| {uc8官网}| {uc8老虎机}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}|