基于深度学习的安全目标检测与识别研究

《基于深度学习的安全目标检测与识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号:TP18310710-2015124079硕士学位论文基于深度学习的安全目标检测与识别研究张倩导师姓名职称屈立成高级工程师申请学位类别工学硕士学科专业名称交通信息工程及控制论文提交日期2018年4月2日论文答辩日期2018年5月21日学位授予单位长安大学StudyonthesecurityobjectdetectionandrecognitionbasedondeeplearningAThesisSubmittedfortheDegreeofMasterCandidate：ZhangQianSupervisor:SeniorEngineerQuLichengCha

2、ng’anUniversity,Xi’an,China摘要卷积神经网络是一种新型的神经网络，其结合了人工神经网络技术和深度学习技术，是第一个真正意义上能够成功地训练深层次网络的结构模型。目前，卷积神经网络已经发展成为一种能够高效地进行目标检测与识别的方法，将其应用于工地安全目标的检测与识别，可实现对人身安全、设备安全、施工安全等的监管，是工地安全保障的重要依靠。因此基于深度学习的安全目标检测与识别具有重要的研究意义和研究价值。在工地安全目标检测的应用场景下，本文基于ResNet101的FasterRCNN模型展开研究工作。首先，论文对现有激活函数的优缺点进行分析对比，提出

3、了一种新的非饱和的激活函数ReLU-Softplus，其结合了ReLU函数和Softplus函数的优点，修正了神经网络中输入数据的分布，而且ReLU容易使得某些神经元可能永远不会被激活，导致相应的参数永远不能被更新的问题得到了较好的解决，同时也保留了使用ReLU作为激活函数的卷积神经网络快速收敛的好处；其次，论文针对传统的池化方法在提取图像特征时会对图像全局特征的表达及模型的识别准确度造成一定损伤的问题，提出一种基于最大池化算法的动态自适应池化算法，使得模型在池化操作时能提取到更为精确的特征；最后，论文针对多个小样本物体的检测容易出现误判的情况，提出对损失函数进行优化，主

4、要包括物体的分类损失采用带权重因子Softmax，使得小样本物体类别被误判的代价更大，并添加中心损失项进行改进，使得训练出的网络更加具有内聚性的特征，增强了模型的鲁棒性，并减少了小样本物体被误判情况的发生。本文在实际应用场景中的实验数据集上验证所提算法的可行性，针对改进后的模型与FasterRCNN模型在物体类别分类效果、物体位置预测效果等方面进行物体检测与识别效果的对比，最终的实验结果表明本文模型的识别精确度更高，泛化能力更强，其主要优势体现在物体位置预测的效果上，减少了大量的背景和干扰信息，使得被检测目标的位置预测更精确。关键词：目标检测与识别，深度学习，卷积神经网络

5、，ReLU-Softplus激活函数，动态自适应池化函数IAbstractConvolutionalneuralnetworkisoneofthenewkindsofneuralnetwork,whichiscombinedwithartificialneuralnetworkanddeeplearningtechnology.Itisthefirstalgorithmmodelwhichcantrainmulti-layernetworkstructuresuccessfully.Today,convolutionneuralnetworkhasdevelopedint

6、oanefficientmethodforobjectdetectionandrecognition.Theapplicationofconvolutionalneuralnetworktothedetectionofsecurityobjectsinworkingsitecanrealizethesupervisionofpersonalsafety,equipmentsafetyandconstructionsafety,anditisanimportantdependenceofsafetyassuranceinworkplace.Therefore,theobje

7、ctdetectionandrecognitiontechnologybasedondeeplearninghasimportantresearchsignificanceandvalue.Undertheapplicationscenarioofsecurityobjectsdetectioninworkingsite,thispaperstudiesFasterRCNNmodelsbasedonResNet101.Firstly,thispaperstudiestheactivationfunctioninconvolut