基于深度学习的图像目标定位识别研究

《基于深度学习的图像目标定位识别研究》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、該義萬ｒ黯＇ｖ，；藝ｖＶＡ冀＆解一一■：■／費－沾成懿＾ｉＬｆ＞＇ｒ＆成＊－？２達＿＾！ｉ＇一，Ｊ＾硕Ｊ学位了论文，＾ＭＡＴ巧Ｖｖ：‘ＪＶ議／．＇一■■击Ｖ一Ｊ＼；ｖ？；Ｖ＇＼Ｖ／Ｖ…一＇甲中片‘｛／Ｖ：．一巧；＾汽一；脊．心：？＇一０＇一一ｖ茸：ｖ相？：；－ｖ＼早Ｃ■，．＇扭乱＼＾扣二ｖ赴社＇ｖｖ吊：－操ｖ怒一苗＇＞＞．；：：々；ｘ：一＇结心一－；某二規苗吊乂人變」古，一ｋｋ．知＇皆；ｙ，苗；巧论誦目圆ｉ柳赋；＇領Ｖ＇韻疾巧瓦盛

2、ｔ黯．齡辟：．簽讓寡扣学科专业Ｍ麵妹巡諾，凳器啤：＇弦巧却避Ｔ在誦誦一為学；号一ｒ孩＇ｖ！ｖ叫把去片＾作姓欣ｖＪＶ者名ｒＶ．／；寻Ｖ一ｒ一／片Ｖ古教师Ｉ指导副ＬＴ辑＇Ｖ古克东■巧＇人Ｖ＇＇／－ＩＩ－：独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加Ｗ标注和致谢的地方夕ｈ论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一说同工作的同志对本研究所做

3、的任何贡献均已在论文中作了明确的明并表示谢意。，畫ｆ４Ｉ名（己作者签名：曰親＞｜年ｉ月曰论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权查保留并向国家有关部口或机构送交论文的复印件和磁盘，允许论文被阅和借阅。本人授权电子科技大学可レッ将学位论文的全部或部分内容编入有关数据库进行检索，可Ｗ采用影印、缩印或扫描■等复制手段保存、汇编学位论文。（保密的学位论文在解也密后应遵守此规定）作者签名：嚇导师签名；巧辞於［Ｇｔ２／曰期；年月曰分类号密级注1UDC学位论文基于深度学

4、习的图像目标定位识别研究（题名和副题名）程欣（作者姓名）指导教师谭浩副教授电子科技大学成都（姓名、职称、单位名称）申请学位级别硕士学科专业计算机应用技术提交论文日期2016.3.28论文答辩日期2016.5.16学位授予单位和日期电子科技大学2016年6月答辩委员会主席评阅人TheResearchonImageTargetLocalizationandRecognitionBasedonDeepLearningAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor

5、:ComputerApplicationTechnologyAuthor:ChengXinSupervisor:TanHaoSchool:SchoolofComputerScience&Engineering摘要摘要科学技术的发展是推动人类社会进步的主要原因之一，未来社会进一步地朝着科技化、信息化、智能化的方向前进。在信息大爆炸的今天，充分利用这些信息将有助于社会的现代化建设，这其中图像信息是目前人们生活中最常见的信息。利用这些图像信息的一种重要方法就是图像目标定位识别技术。不管是视频监控领域还是虚拟现实技术等都对图像的识别有着极大的需求。一般的图像目标定位识别系

6、统包括图像分割、目标关键特征提取、目标类别分类三个步骤。在研究课题相关背景和意义之后，本文对上述三个步骤涉及到的技术进行了调研。深度学习理论由Hinton教授提出之后得到学术界的普遍关注。越来越多的学者尝试用深度学习理论去解决图像识别技术中碰到的问题。深度学习理论包含诸多的模型，不同的模型各自的应用领域也不相同。这其中卷积神经网络（CNN）模型是最常用于图像处理的模型。相比较传统的人工神经网络模型，卷积神经网络拥有更多的隐藏层，其特有的卷积和池化操作对图像地处理有着较高的效率。本文在分析了CNN模型对图像特征的表达特性之后，搭建了一个CNN网络模型，该模型在传统的

7、VGG模型的基础上加以改进，统一了图像分割、目标特征提取和目标分类三个过程，改进后的模型称为N-VGG。本文的创新点之一是研究学习了基于估计目标网络（RPN）的图像分割技术，提出了改进策略以提升RPN网络的性能，改进后的图像分割模块称之为IRPN。最终将IRPN网络应用到本课题构建的N-VGG模型中。同时分析了传统的卷积神经网络模型中应用的激活函数，最终在N-VGG网络模型中引入了新的激活函数：指数线性单元（ELU）。另外在N-VGG网络模型中引入了空间金字塔池化技术（SPP），以提升模型的识别精度。最后利用第三方开源工具Caffe构建了N-VGG模型，并构建了一

8、个简易的图