基于深度學(xué)習(xí)的目標(biāo)檢測(cè)系統(tǒng)的研發(fā).pdf

1、計(jì)算機(jī)科學(xué)的飛速發(fā)展，給人類的生活帶來(lái)了很大的進(jìn)步，使人類的生活變得越來(lái)越智能。人工智能一直是人類孜孜不倦探索得重要領(lǐng)域。眾所周知，人類的視覺(jué)是感知外部世界的重要組成部分，科學(xué)研究表明，人的百分之七八十的信息是通過(guò)視覺(jué)來(lái)感知到的。所以，在人類探索人工智能的漫漫長(zhǎng)途中，計(jì)算機(jī)視覺(jué)一直都是一個(gè)重要的研究方向。計(jì)算機(jī)視覺(jué)涉及到圖像處理，機(jī)器學(xué)習(xí)，模式識(shí)別等多個(gè)學(xué)科，最終目的是為了模擬人的視覺(jué)，以便用計(jì)算機(jī)完成各種識(shí)別任務(wù)。其中，目標(biāo)檢測(cè)是計(jì)算

2、機(jī)視覺(jué)方向中非常重要的一個(gè)子方向。目標(biāo)檢測(cè)主要是檢測(cè)出圖片中所關(guān)注的目標(biāo)，例如，自動(dòng)駕駛系統(tǒng)對(duì)于目標(biāo)檢測(cè)的要求就是要檢測(cè)出當(dāng)前行車環(huán)境中的行人、車輛等各種物體。由于真實(shí)路況的復(fù)雜性，要求檢測(cè)系統(tǒng)對(duì)于場(chǎng)景有著較高級(jí)別的語(yǔ)義理解。過(guò)去，大部分目標(biāo)檢測(cè)算法基本是基于傳統(tǒng)的濾波方法，提取人工設(shè)計(jì)出來(lái)的經(jīng)典特征，如 SIFT[22]，HOG，然后放入經(jīng)典的分類器（如SVM[30]、Adaboost）進(jìn)行分類識(shí)別。由于使用的是手工特征，所以魯棒性較

3、差，而且工作量大，當(dāng)環(huán)境出現(xiàn)明顯變化時(shí)，目標(biāo)檢測(cè)效果的差異很大。由于深度學(xué)習(xí)中卷積神經(jīng)網(wǎng)絡(luò)的極強(qiáng)的特征表達(dá)能力，提取的特征具有非常強(qiáng)的魯棒性，所以，本文主要是利用了基于深度學(xué)習(xí)的比較經(jīng)典的檢測(cè)框架—Faster R-CNN，并在此基礎(chǔ)上嘗試著使用不同的特征提取層，在傳統(tǒng)經(jīng)典模型的基礎(chǔ)上，對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了改變，使現(xiàn)在的網(wǎng)絡(luò)模型在精度和速度之間作了更好的權(quán)衡。并利用標(biāo)定的數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，調(diào)節(jié)參數(shù)，最終訓(xùn)練出一個(gè)精度和速度較好的模型，并應(yīng)