基于卷積神經(jīng)網(wǎng)絡的目標檢測算法研究.pdf

1、隨著我國城市化進程快速的發(fā)展，智能監(jiān)控被應用到城市建設當中。智能監(jiān)控主要依靠目標檢測來實現(xiàn)，但目標檢測技術還有未解決的問題，比如使用人工設計的特征，重復檢測和誤檢等，所以繼續(xù)對目標檢測技術進行相關的研究仍然具有重要意義。卷積神經(jīng)網(wǎng)絡因為具有主動設計并提取圖像特征的能力而被廣泛用于視覺任務當中，并且取得了最優(yōu)的表現(xiàn)。因此本文將卷積神經(jīng)網(wǎng)絡應用于目標檢測任務當中，替換人工設計的特征，提高檢測精度。另外，利用數(shù)學建模，得到自適應非極大值抑制算

2、法，減少了重復檢測和誤檢，提高檢測精度。
　　首先，本文對目標檢測的應用背景以及國內(nèi)外發(fā)展現(xiàn)狀做了介紹，進一步介紹了本課題相關的基礎知識，如深度神經(jīng)網(wǎng)絡的背景，典型的深度神經(jīng)網(wǎng)絡模型，卷積神經(jīng)網(wǎng)絡的基本原理，各層的功能和計算方式，前向傳播和反向傳播，以及連接模式等，為目標檢測算法的改進提供了理論基礎。
　　其次，本文研究了傳統(tǒng)目標檢測算法存在的不足。在此基礎上引出本文基于深度特征的目標檢測算法。本文算法考慮到傳統(tǒng)目標檢測算法

3、使用人工設計的特征，且計算復雜，開銷大的特點，提出利用卷積神經(jīng)網(wǎng)絡提取深度特征，替換人工設計的特征，解決了原算法計算特征設計復雜，計算開銷大，精度不高的不足，實現(xiàn)了圖像特征的自動設計及提取，有效的提高了檢測算法的魯棒性和檢側(cè)精度。
　　最后，本文研究了固定閾值的非極大值抑制算法，在此基礎上引出本文基于動態(tài)閾值的非極大值抑制算法。本文算法考慮到傳統(tǒng)的非極大值抑制算法使用的面積重疊率閾值是固定值，存在重復檢測和誤檢的特點，提出通過統(tǒng)計