基于遮挡网络和RPN的双通道目标检测研究

发布时间：2025-05-26 22:44

　　目标检测是计算机视觉中一个具有检测难度的任务,贴近现实生活中应用的需求,在人机交互、机器人视觉、汽车辅助驾驶等诸多应用领域均起着举足轻重的作用。近年来,计算机视觉在深度学习方面的研究得到显著的进展并实际应用到某些生活领域中,然而目标检测作为其一个分支已得到广泛的研究,然而因为图像中目标尺度多变而面临巨大的研究挑战。在实际应用的现实场景中,目标的尺度范围变化大,小、中、大尺度的目标均有不同数量的分布,然而现行的目标检测方法大多没有考虑尺度范围对于检测精度的影响,导致这些目标检测方法往往仅适应于某些尺度范围的目标检测场景。本文针对目标检测问题进行了细致的研究,设计了一系列检测方法用于改善小尺度目标的检测、中、大尺度目标的检测,最终设计了一种用于多尺度目标检测的方法。本文的研究思路如下:首先,在挖掘遮挡样本的启发下,设计了一种可自动生成遮挡样本的遮挡网络,以提高中、大尺度目标的检测效果。接下来,对小尺度目标难于检测的原因进行了理论分析,认为较大的感受野会忽略掉小目标原本不多的特征信息量。因此做出假设,小尺度目标的检测不会得益于更大的感受野,由此进行实验分析感受野对于小尺度目标检测的影响,并寻找...

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

图1-1主流框架间渊源关系图

第1章绪论分类[17-19]等现实生活领域。从2012年到2019年，目标检测深度框架得到了研究人员的密切关注，代表性深度框架主要有：R-CNN[20]、OverFeat[21]、FastR-CNN[22]、FasterR-CNN[23]、OHEM[24]、YOL....

图1-2复杂成像环境下目标的几种状态

第1章绪论成果，然而由于现实生活中成像环境（光线、遮挡等）复杂，目标检测依然面临很多难点与挑战，主要有这几点：（1）尺度问题。尺度问题是现阶段目标检测最为关注的问题之一。不同尺度的目标包含的特征量不同，中、大尺度目标包含更多的特征量，因而更容易被检测到，而小尺度目标占据较少....

图1-3相似不同类和不相似同类举例图

图1-3相似不同类和不相似同类举例图1.3本文主要工作本文主要研究目标检测框架面临的尺度、遮挡问题。现有的目标检测框架往往不能很好处理这一问题，不同尺度目标具备的特征量不同，在样本需求、网络结构、参数设置上存在差异。具体而言，中、大尺度目标一般具有丰富的特征量，容易检测但在....

图2-1神经元模型示意图

第2章相关工作第2章相关工作经元模型经元是神经网络处理信息的基本单位，图2-1给出了神经元的模型主要包括三部分，分别是突触/连接链集、加法器、激活函数。突每一个均由对应其权值或者强度作为特征，即输入iX乘以突触权，用于求输入通过相应权值加权的和，该操作是一系列线....

本文编号：4047089