- 1、本文档共62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
摘要
基于改进的FasterR-CNN目标检测算法研究
近年来,计算机视觉在日常生活中的重要作用日益凸显。目标检测作为计算
机视觉的基本工作之一,得到了普遍的应用,不仅可以对目标进行识别还可以对
图片、视频等资料进行解释,可以说社会中的方方面面都可以看到目标检测的影
子。目标检测的任务是解决目标的分类和定位的难题,但是由于物体的形态各式
各样,且有背景、光线等的干扰,除此之外,物体之间还存在相互遮挡的现象,
所以,努力提高目标检测的精度十分具有研究意义。当目标检测被应用在自动驾
驶这种对安全性要求较高的领域、以及应用在医疗领域辅助医生进行医学诊断时,
它的精确度也日益得到了大家的广泛关注。因此,更好地提升目标检测的精确度
是大势所趋。
传统的方式和深度学习的方式是解决目标检测问题的两种主要方式。对于传
统方式,多数算法是通过人工发现特征的方式设计算法。尽管传统目标检测算法
较为简单,但是仅能适用于目标单一、特征明显的情况下。然而,现实世界中的
物体往往多种多样,而且背景变幻莫测,所以要找到众多物体的共同特征来实现
目标的检测十分困难。对于深度学习方式,有两阶段目标检测算法和一阶段目标
检测算法这两种方法。两阶段算法先在图像上生成候选框,然后再对候选框分类
和回归,一阶段算法则是把分类以及定位问题看成一个回归问题来处理。正是由
于两类算法的实现方式不同,所以它们的性能也有差异,两阶段算法精确度高,
而一阶段算法速度快。本文对两阶段目标检测算法中具有代表性的更快的基于区
域的卷积神经网络(FasterRegion-basedConvolutionalNeuralNetwork,
FasterR-CNN)做出了改进,设计了一种新的架构——基于改进的FasterR-CNN
目标检测算法,做出的工作如下所示:
(1)为了使学习率的设置更加合理,找到更适合网络训练的学习率,本文
采用鲸鱼优化算法对学习率的设置进行了优化。训练过程中分两个阶段来寻找最
优的学习率,第一个阶段在区间(0.0002,0.002)上采用鲸鱼优化算法寻找高学
习率的最优值,使得网络快速收敛。当训练达到指定迭代次数,训练进入第二阶
段。第二个阶段在区间(0.00002,0.0002]上采用鲸鱼优化算法寻找低学习率最
优值,直到训练达到最终指定迭代次数,实现训练收敛,达到更好的训练效果。
(2)为了提高损失函数的整体性能,本文对损失函数进行了改进,引入了
两个权重因子,分别用于调节分类损失和回归损失所占的权重。同时,为了使这
两个权重因子的设置更加合理,本文使用了鲸鱼优化算法对这两个值进行了优化。
为了验证本文提出的改进是否具有价值,在三个目标检测数据集上做了一系
列实验,结果证明,本文的算法在目标检测领域中的尝试是有价值的。而且,本
文算法跟几种经典的算法相比,本文的算法也获得了较好的效果。因此,能够证
明本文的算法具有通用性和应用价值。
关键词:
目标检测,深度学习,卷积神经网络,损失函数,鲸鱼优化算法
Abstract
ResearchonObjectDetectionAlgorithmBasedonImproved
FasterR-CNN
Inrecentyears,theimportantroleofcomputervisionindaily
lifehasbecomeincreasinglyprominent.Objectdetection,asoneofthe
basicworkofcomputervision,hasbeenwidelyused.Itcannotonly
identifyobjectbutalsointerpretpictures,videosandothermaterials.
Itcanbesaidthatobjectdetectioncanbeseeninallaspectsof
society.Objectdetectionistosolvetheproblemofobject
classificationandpositioning.H
您可能关注的文档
- 基于二维Cu2X(X=Si和Ge)体系的新型廉价析氢催化剂设计及机理的理论研究.pdf
- 基于二维离散单元的轮胎热模型研究.pdf
- 基于翻译中概念隐喻使用特征的翻译质量评估——以CATTI二级中译英文本为例.pdf
- 基于非局部注意力机制的遥感图像建筑物提取模型研究与实现.pdf
- 基于非局部注意力与通道注意力的图像去噪方法研究.pdf
- 基于非线性流形学习的ECG身份识别.pdf
- 基于分布式的学生体质测试评价管理系统的设计与实现.pdf
- 基于分布式一致性的诊间结算系统的研究与实现.pdf
- 基于风能和太阳能下混合储能系统的优化研究.pdf
- 基于改进CNN和低剂量CT图像的肺结节自动检测算法研究.pdf
文档评论(0)