結(jié)合變形模型與集成范例模型的目標(biāo)檢測(cè)方法研究.pdf

1、目標(biāo)檢測(cè)是計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域的重要研究方向，是從低層的圖像處理到高層的圖像理解這個(gè)過程中一個(gè)關(guān)鍵的步驟，因此目標(biāo)檢測(cè)也一直是研究的重點(diǎn)和熱點(diǎn)。由于圖像中目標(biāo)豐富、姿態(tài)多樣、朝向各異，使得在其中檢測(cè)指定類型的目標(biāo)非常不易，近年來已經(jīng)有一些相對(duì)成熟的目標(biāo)檢測(cè)框架取得了一些效果，其中就包括DPM和 Exemplar-SVM兩個(gè)模型。前者主要利用部件信息將目標(biāo)分塊，以應(yīng)付目標(biāo)靈活多變的特性，而后者則主要采用視覺相似性的原理將每個(gè)正樣本單獨(dú)

2、訓(xùn)練，以保證照顧到所有正樣本之間的差異。
　　為了進(jìn)一步改進(jìn)通用類型的目標(biāo)檢測(cè)算法，本文以DPM和Exemplar-SVM為研究基礎(chǔ)，將前者的部件信息加入到后者之中，并通過實(shí)驗(yàn)證明了改進(jìn)算法的有效性。本文完成的工作如下：
　　1)結(jié)合兩種模型的目標(biāo)檢測(cè)方法研究。針對(duì)DPM和Exemplar-SVM兩個(gè)模型各自的特點(diǎn)，將部件信息在模型初始化階段直接加入到根濾波器中，既能滿足目標(biāo)的不同姿態(tài)的要求，也能最大限度的保留目標(biāo)之間的差異

3、性。最終將新模型應(yīng)用于PASCAL VOC2007數(shù)據(jù)集中，實(shí)驗(yàn)結(jié)果顯示20類目標(biāo)中有15類目標(biāo)的檢測(cè)結(jié)果優(yōu)于原始的Exemplar-SVM模型，而整體的mAP也從0.227提升至0.237，該結(jié)果充分證明了加入部件信息的確對(duì)Exemplar-SVM模型有所改善。
　　2)在驗(yàn)證了在特定數(shù)據(jù)集上的表現(xiàn)之后，本文還將該模型用于農(nóng)藥噴灑檢測(cè)中，用于檢測(cè)其能否滿足實(shí)際生產(chǎn)環(huán)境中的要求。在通過對(duì)樣本的采集、預(yù)處理后，一共獲取532個(gè)樣本，