- 1、本文档共68页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
基于嵌入式系统的深度神经网络目标检测算法研究
摘要
计算机视觉技术随着深度神经网络的出现得以飞速发展,交通、医疗、军事等
领域都在享受着人工智能带来的便利。传统未爆手雷的探测方式大多依赖人工手持
式电磁探测器,这样的探测方式速度较慢,且探测人员的人身安全难以得到全面保
障。本文旨在探索一种基于深度神经网络的未爆手雷目标检测算法,并将该算法移
植到基于无人机平台的嵌入式系统中去,以替代传统的人工探测方式。
本文首先对YOLOV3和FasterR-CNN两个最具有代表性的目标检测器的检测
原理进行详细的分析,由于YOLOV3目标检测网络实现了真正意义上的端到端检
测,且在通用数据集上识别率不低,所以选择其为基础网络结构。其次制作了手雷
数据集,根据K均值聚类算法分析数据分布情况,推理计算出与手雷目标数据集相
匹配的候选框尺寸。在手雷目标数据集上对原算法进行验证后,发现原算法存在对
手雷小目标检测率较低的问题。针对出现的问题以Inception网络结构设计思想为指
导,从网络结构角度对原算法加以改进,在YOLOV3网络入口添加了类Inception
结构,同时增加网络整体的深度和宽度,避免某一维度的卷积冗余,得到
Inception-YOLOV3网络。除传统图像数据增强外,还运用了Mosaic数据增强方法
以提高手雷数据多样性,提升网络的鲁棒性。经验证,改进后算法相比于原算法提
升了对手雷小目标的检测能力。
本文根据改进算法的执行流程及卷积运算规则,在FPGA内部利用并行流水
线处理思想加速卷积运算过程,并以FPGA和DSP为核心,据实际需求选择合
适的传感器及驱动,搭建了基于无人机平台的嵌入式目标检测系统。系统主要包
括:可见光手雷成像模块、手雷目标检测模块、手雷目标抓取模块、可视化人机
交互模块以及无人机平台模块。最后在搭建好的嵌入式平台植入改进后的目标检
测算法,并在实际野外环境下对系统进行了测试。
关键词:
目标检测,Inception-YOLOV3,数据增强,流水线处理,嵌入式系统
ResearchonObjectDetectionAlgorithmofDeepNeural
NetworkBasedonEmbeddedSystem
Abstract
Computervisiontechnologyhasdevelopedrapidlybecauseoftheadventofdeep
neuralnetworks,andthetransportation,medical,militaryandotherfieldsare
enjoyingtheconveniencebroughtbyartificialintelligence.Thedetectionalgorithmof
traditionalunexplodedgrenademostlyrelyonmanualhand-heldelectromagnetic
detectors.Suchdetectionmethodsareslow,andthesafetyofthedetectorsisdifficult
tobeguaranteed.Thisdissertationaimstoexploreanobjectdetectionalgorithm
basedondeepneuralnetwork,andtransplantthealgorithmtotheembeddedsystem
whichbasedontheUAVplatformandtoreplacethetraditionalmanualdetection
method.
Firstly,thisdissertationconductsadetailedanalysisofthedete
文档评论(0)