【免费】基于深度学习的视频多目标检测研究

需积分: 0 137 浏览量 2022-08-04 12:18:26 上传评论收藏 6.58MB PDF 举报

资源详情

资源评论

资源推荐

贵州大学

2019 届硕士研究生学位论文

基于深度学习的视频多目标检测

研究

学科专业: 电子与通信工程

研究方向: 图像处理

导师: 周士芸教授

研究生: 葛自立

中国·贵州·贵阳

2019 年 6 月

分类号： T P 3 91

论文编号： 2016021712

密级：公开

贵州大学硕士毕业论文 
 
 
目  录 
摘 要 ....................................................................... I 
Abstract.................................................................... II 
第一章 绪论 .................................................................. 1 
1 选题的来源及研究背景和意义 ........................................... 1 
2 国内外研究现状 ....................................................... 2 
3 研究内容及章节安排 ................................................... 4 
第二章 深度学习基础理论 ...................................................... 6 
1 神经网络概述 ......................................................... 6 
2 人工神经网络 ......................................................... 7 
2.1 M-P 神经元模型 ................................................. 7 
2.2 感知机与多层网络模型 ........................................... 8 
2.3 反向传播算法 ................................................... 9 
3 卷积神经网络 ........................................................ 11 
3.1 卷积神经网络的网络结构 ........................................ 11 
3.2 卷积运算 ...................................................... 12 
3.3 局部感知和权值共享 ............................................ 13 
4 卷积神经网络算法分类 ................................................ 15 
4.1 Letnet-5 模型 ................................................. 15 
4.2 Alexnet 模型 .................................................. 16 
4.3 VGGNet 模型 ................................................... 20 
5 本章小结 ............................................................ 23 
第三章 基于深度学习目标检测算法 ............................................. 24 
1 目标检测算法概述 .................................................... 24 
2 R-CNN 系列算法概述 .................................................. 24 
2.1 R-CNN 算法概述 ................................................ 24 
2.2 Fast-RCNN 算法概述 ............................................ 26 
2.3 Faster-RCNN 算法概述 .......................................... 28 
3 YOLO 算法分析 ....................................................... 31 

贵州大学硕士毕业论文 
 
 
3.1 YOLO 算法核心思想 ............................................. 31 
3.2 YOLO 算法的整体架构 ........................................... 32 
3.3YOLO 算法损失函数的计算 ........................................ 32 
4 目标检测 SSD 算法 .................................................... 33 
4.1 位置回归的计算方式 ............................................ 34 
4.2 算法损失函数的计算 ............................................ 35 
4.3 SSD 算法的整体结构 ............................................ 36 
5 本章小结 ............................................................ 37 
第四章 基于 Mobilenetv2-SSD 算法的多目标检测研究 ............................. 38 
1 MobilenetV1-SSD 卷积神经网络算法 .................................... 38 
1.1 MobilenetV1 的设计思路 ........................................ 38 
1.2 MobilenetV1 的主要结构 ........................................ 40 
1.3 基于 MobilenetV1 的目标检测 MobilenetV1-SSD 算法 ................ 41 
2 Mobilenetv2-SSD 卷积神经网络算法 .................................... 42 
2.1 MobilenetV2 的设计思路 ........................................ 42 
2.2 MobilenetV2 的主要结构 ........................................ 44 
2.3 基于 MobilenetV2 的目标检测 MobilenetV1-SSD 算法 ................ 46 
3 实验结果与分析 ...................................................... 47 
3.1 环境搭建与数据集的选择 ........................................ 47 
3.2 实验结果分析 .................................................. 48 
4 本章小结 ............................................................ 50 
第五章 基于 MobilenentV2-SSD 在 TX2 嵌入式平台上的实现 ........................ 51 
1 Jetson TX2 平台概述 ................................................. 51 
1.1 硬件平台简介 .................................................. 51 
1.2 软件平台简介 .................................................. 53 
2 基于 MobilenentV2-SSD 视频多目标检测系统设计 ......................... 54 
3 实验结果分析 ........................................................ 56 
3.1 数据集的采集与制作 ............................................ 56 
3.2 实验参数设置与训练 ............................................ 57 
3.2 实验结果分析 .................................................. 58 