版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、物體檢測,旨在定位并識別圖像中的物體,是計(jì)算機(jī)視覺的核心問題之一。盡管有長達(dá)數(shù)十年的研究歷史,但是在面對真實(shí)世界的復(fù)雜場景時(shí),物體檢測系統(tǒng)的表現(xiàn)依然不盡如人意。作為兼具定位任務(wù)與識別任務(wù)的復(fù)雜系統(tǒng)問題,物體檢測始終在計(jì)算代價(jià)與模型能力的取舍中曲折前進(jìn)。本文的核心貢獻(xiàn)在于尋找能從本質(zhì)上減少物體檢測計(jì)算復(fù)雜度,同時(shí)能增強(qiáng)檢測系統(tǒng)能力的方法。本文以基于特征共享的高效物體檢測為核心,提山了四種創(chuàng)新的算法。這些算法相互關(guān)聯(lián)、兩兩結(jié)合,被運(yùn)用在兩個(gè)
2、檢測任務(wù)上—其中一個(gè)是基于卷積神經(jīng)網(wǎng)絡(luò)的通用物體檢測,另一個(gè)是適用于移動(dòng)設(shè)備的快速人臉檢測。
本文創(chuàng)新地提出了基于空間金字塔池化的物體檢測框架。這個(gè)方法打破了不同子圖像識別需要完全獨(dú)立計(jì)算的壁壘,使得基于卷積神經(jīng)網(wǎng)絡(luò)的檢測器可以在多區(qū)域分類時(shí)實(shí)現(xiàn)特征共享,提高了檢測系統(tǒng)在進(jìn)行子區(qū)域識別時(shí)的計(jì)算效率。于此同時(shí),該框架使得卷積神經(jīng)網(wǎng)絡(luò)可以處理任意大小的圖像,為神經(jīng)網(wǎng)絡(luò)的應(yīng)用提供了更多的可能性。廣泛的實(shí)驗(yàn)證明該系統(tǒng)可以數(shù)十倍的提高檢
3、測系統(tǒng)子區(qū)域識別部分的計(jì)算效率。
在以上基于空間金字塔池化的物體檢測框架的基礎(chǔ)上,本文提出基于全卷積網(wǎng)絡(luò)的區(qū)域生成網(wǎng)絡(luò)。該網(wǎng)絡(luò)使用創(chuàng)新的錨點(diǎn)金字塔解決了多尺度/長寬比檢測的問題,實(shí)現(xiàn)了多尺度檢測的特征共享。將該網(wǎng)絡(luò)與物體檢測網(wǎng)絡(luò)共享特征進(jìn)一步提高了整個(gè)檢測系統(tǒng)的效率。多個(gè)通用物體識別數(shù)據(jù)庫上的實(shí)驗(yàn)證明,我們的系統(tǒng)對于檢測系統(tǒng)的性能有明顯的提升。更重要的是,我們的檢測系統(tǒng)作為首個(gè)實(shí)現(xiàn)近實(shí)時(shí)效率的神經(jīng)網(wǎng)絡(luò)通用物體檢測系統(tǒng),提高了通
4、用物體檢測的研究效率以及實(shí)用價(jià)值。
結(jié)合以上提出的兩種檢測算法,本文提出的通用物體檢測系統(tǒng)在顯著提高物體檢測性能的情況下,實(shí)現(xiàn)了超過200倍的加速?;谶@套檢測系統(tǒng),我們在世界上最著名的物體檢測競賽—ImageNet競賽中取得了2015年的冠軍。
本文針對精確人臉定位—人臉對準(zhǔn)任務(wù)提出了創(chuàng)新的局部二值特征以及相應(yīng)的學(xué)習(xí)方法。該算法結(jié)合局部特征學(xué)習(xí)與全局共享特征回歸學(xué)習(xí),顯著增強(qiáng)了人臉對準(zhǔn)模型的性能和計(jì)算效率?;谶@種
5、特征學(xué)習(xí)算法的人臉對準(zhǔn)系統(tǒng)是目前最快的人臉對準(zhǔn)系統(tǒng)。在個(gè)人計(jì)算機(jī)上,本文提出的人臉對準(zhǔn)算法可以達(dá)到3000幀/秒的計(jì)算速度,在手機(jī)上也可以實(shí)現(xiàn)300幀/秒的計(jì)算速度。
在以上所提出的二值特征的基礎(chǔ)上,本文提出了同時(shí)處理人臉檢測和對準(zhǔn)的聯(lián)合算法框架。在這個(gè)框架中,本文通過在兩個(gè)任務(wù)之間共享所需特征,顯著提高了檢測精度,同時(shí)降低了總體的計(jì)算代價(jià)和內(nèi)存消耗。本文提出的這套人臉檢測系統(tǒng)是目前世界上最高效的人臉檢測系統(tǒng)之一。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于局部紋理特征的物體檢測方法.pdf
- 基于簡單局部特征學(xué)習(xí)的物體檢測方法.pdf
- 基于目標(biāo)運(yùn)動(dòng)信息和dpm特征的物體檢測
- 基于稀疏內(nèi)積和時(shí)間分布計(jì)算的高效物體檢測.pdf
- 基于目標(biāo)運(yùn)動(dòng)信息和DPM特征的物體檢測.pdf
- 基于關(guān)鍵特征點(diǎn)的廣義霍夫變換物體檢測.pdf
- 基于形狀和特征融合的多物體檢測方法研究.pdf
- 基于關(guān)鍵特征點(diǎn)的廣義霍夫變換物體檢測(1)
- 基于范例度量學(xué)習(xí)的物體檢測.pdf
- 基于MACF的物體檢測及中心定位.pdf
- 基于改進(jìn)Hough變換的圓形物體檢測.pdf
- 基于視覺詞匯的物體檢測方法研究.pdf
- 基于物體檢測的場景分類方法研究.pdf
- 基于圖像處理的動(dòng)態(tài)物體檢測研究.pdf
- 基于卷積網(wǎng)絡(luò)的物體檢測應(yīng)用研究.pdf
- 基于稀疏表示的RGB-D物體檢測.pdf
- 基于B-HOG的圖像物體檢測研究.pdf
- 基于BP網(wǎng)絡(luò)的實(shí)時(shí)入侵物體檢測系統(tǒng).pdf
- 基于RGB-D信息的顯著物體檢測.pdf
- 基于運(yùn)動(dòng)物體檢測的智能監(jiān)控系統(tǒng).pdf
評論
0/150
提交評論