【摘 要】
：
目标检测与跟踪是计算机视觉领域的重要研究方向,在智能交通、无人驾驶、机器人自主导航、灾害或损伤检测等很多应用领域内发挥着关键作用。基于深度学习技术的目标检测算法通常都是在现有公开的大型通用数据集上训练完成,而这些数据集大多是针对自然场景下的稀疏目标,小目标样本数量较少,并且小尺度目标的分辨率较低,在经多次下采样后的小目标信息会进一步减少,使得这些优秀算法对小尺度目标检测的效果不是太好。本次课题是在
论文部分内容阅读
目标检测与跟踪是计算机视觉领域的重要研究方向,在智能交通、无人驾驶、机器人自主导航、灾害或损伤检测等很多应用领域内发挥着关键作用。基于深度学习技术的目标检测算法通常都是在现有公开的大型通用数据集上训练完成,而这些数据集大多是针对自然场景下的稀疏目标,小目标样本数量较少,并且小尺度目标的分辨率较低,在经多次下采样后的小目标信息会进一步减少,使得这些优秀算法对小尺度目标检测的效果不是太好。本次课题是在无人机应用场景下的目标检测以及追踪,由于在跟踪的过程中会出现目标形变、场景复杂变化、目标尺度较小等诸多问题,使得在无人机视角下的目标检测与追踪受到极大的挑战。本文对现有主流的基于深度学习的目标检测和跟踪算法进行研究分析并进一步改进,提升在无人机应用场景下的小目标检测和跟踪精度。此次论文的主要研究包含以下的三个方面:（1）本文分别从数据扩充,网络结构设计、损失函数三个方面对现有的YOLOv3算法进行优化,解决在无人机视角下的小目标检测漏检率较高的问题。（2）基于深度学习的检测算法虽然比传统基于手工设计特征提取算子的检测算法要好很多,但是在深度学习的算法中通常会使用大量的卷积层或全连接层,使得算法拥有庞大的参数量,巨大的参数量使得网络在一次的前向推理非常耗时,导致在无人机机载端的部署检测近乎不可能,所以,根据现在常见的模型压缩方法,需要对改进后的YOLOv3网络进行剪枝操作,加快在无人机机载端的检测速度。（3）针对在实际跟踪过程中目标出现的遮挡、快速性运动、形变以及相似背景干扰等挑战,对现有的基于深度学习的目标跟踪算法Siam RPN研究并进行改进。首先将Siam RPN算法用于提取特征的5层主网络进行替换,改用Res Net单元搭建更深的网络结构,使得提取的特征更加丰富全面,能够应付较为复杂的环境。其次,对匹配的模板信息进行增强。原算法仅依赖第一帧目标图像作为模板图像,不足以应对复杂的目标以及环境的变化。改进后的算法将视频序列的第一帧模板信息、当前帧的前一帧提取的特征信息以及历史融合的信息进行融合并作为当前帧的跟踪模板。此外,由于在跟踪过程中背景的复杂变化,使得新融合的模板信息噪声较大,所以在第一帧的模板信息与新融合的模板信息之间做一个比例加权,使得模板信息更具有鲁棒性。
其他文献
基塘农业景观是珠三角地域独特的景观资源,对农业生产、水利工程技术发挥着巨大作用,不仅能够改善当地的生态环境,而且对当地人文环境优化起到积极作用。珠三角基塘农业景观是先人利用自然地理条件改造而成,其网格状的水陆交错形态和生态永续的农业循环格局,成为极具地域特色的乡土文化景观。近年来,城镇建设用地的快速扩张,以及工业化高效率养殖的增长,使珠三角地区基塘自然景观和人文景观面临全面退化的形势。鱼塘养殖带来
近年来,微型化、智能化、集成化且成本经济的微机电系统受到广泛关注。TiNi基形状记忆合金薄膜具有良好的形状记忆效应、超弹性、防腐蚀性及生物相容性,其相变会伴随着机械、物理、化学等性质的显著变化,例如屈服应力、弹性模量、硬度、电阻率、热膨胀系数和表面粗糙度等,由此开发出的光器件可用作微传感器;这类薄膜还具有灵敏度高、驱动力大、位移量大等特点,可用作微机电系统的驱动材料。覆盖有TiNi基记忆合金薄膜的
风力机组的气弹耦合稳定性分析一直以来都是国内外风电领域专家和学者的广泛关注和研究的课题。气弹耦合主要包括整机自身的结构内力和外界气动力之间的耦合,对风力机进行结构模态分析除了避免风力机组运行在共振区产生结构上的损坏,更重要的是对其进行气弹稳定性分析,因为气动弹性不稳定性不同于共振和振动,具有更大的潜在破坏性。为了研究柔性风力机几何非线性对气弹频率的影响。本文选择的研究对象为美国可再生能源实验室的5
目前,将拉锥光纤结构和具备特殊物理性质的功能性材料结合来提高光纤器件的工作性能是光纤器件研究热点方向之一。拉锥光纤凭借独特的锥区“泄露窗口”,可以极大地增强光与外界环境的相互作用,具备倏逝场强、尺寸小和对外界环境变化灵敏度高等特点;液晶作为一种特殊的功能性材料,具有强的电光效应、高的介电各向异性及独特的光学特性,被广泛应用于电子显示领域和新型光波导器件中。将拉锥光纤与液晶相结合,研究其传输特性及传
在进行皮革裁切、板材边角料再利用等过程时都会遇到求解不规则图型最大内接矩形的问题。当前工厂的裁定手段普遍由人工估测来完成,这种传统的人工检视的作业方式存在很强的主观性,不仅容易造成资源浪费,而且效率也很低。因此,工厂迫切需要一种智能设备来代替人工。近些年,深度学习和计算机视觉技术的高速发展为解决这类难题带来了全新的思路。通过算法实现大理石板材的最大化利用,其主要难点在于两个方面:一方面是如何实现对
近年来,移动服务机器人不断的向实用化和智能化发展,基于传感器信息的同步定位与地图构建（Simultaneous Localization and Mapping,SLAM）是移动服务机器人完成多种复杂任务的前提。目前移动机器人定位建图技术还不成熟,服务机器人需要面对复杂的室内环境以及动态物体的干扰对定位建图带来的挑战,单一传感器很难实现既定任务。多传感器的融合使得机器人能够从多个维度感知自身运动状