没有合适的资源?快使用搜索试试~ 我知道了~
基于深度学习的视频多目标检测研究_葛自立1
需积分: 0 0 下载量 137 浏览量
2022-08-04
12:18:26
上传
评论
收藏 6.58MB PDF 举报
温馨提示
![preview](https://dl-preview.csdnimg.cn/86323427/0001-461b011f76abc094886cebba2d79c921_thumbnail.jpeg)
![preview-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/scale.ab9e0183.png)
试读
77页
摘要随着城市摄像头的安装日益普及,以及视频监控领域的发展,视频多目标检测
资源详情
资源评论
资源推荐
![](https://csdnimg.cn/release/download_crawler_static/86323427/bg1.jpg)
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
![](https://csdnimg.cn/release/download_crawler_static/86323427/bg2.jpg)
贵州大学硕士毕业论文
目 录
摘 要 ....................................................................... I
Abstract.................................................................... II
第一章 绪论 .................................................................. 1
1.1 选题的来源及研究背景和意义 ........................................... 1
1.2 国内外研究现状 ....................................................... 2
1.3 研究内容及章节安排 ................................................... 4
第二章 深度学习基础理论 ...................................................... 6
2.1 神经网络概述 ......................................................... 6
2.2 人工神经网络 ......................................................... 7
2.2.1 M-P 神经元模型 ................................................. 7
2.2.2 感知机与多层网络模型 ........................................... 8
2.2.3 反向传播算法 ................................................... 9
2.3 卷积神经网络 ........................................................ 11
2.3.1 卷积神经网络的网络结构 ........................................ 11
2.3.2 卷积运算 ...................................................... 12
2.3.3 局部感知和权值共享 ............................................ 13
2.4 卷积神经网络算法分类 ................................................ 15
2.4.1 Letnet-5 模型 ................................................. 15
2.4.2 Alexnet 模型 .................................................. 16
2.4.3 VGGNet 模型 ................................................... 20
2.5 本章小结 ............................................................ 23
第三章 基于深度学习目标检测算法 ............................................. 24
3.1 目标检测算法概述 .................................................... 24
3.2 R-CNN 系列算法概述 .................................................. 24
3.2.1 R-CNN 算法概述 ................................................ 24
3.2.2 Fast-RCNN 算法概述 ............................................ 26
3.2.3 Faster-RCNN 算法概述 .......................................... 28
3.3 YOLO 算法分析 ....................................................... 31
![](https://csdnimg.cn/release/download_crawler_static/86323427/bg3.jpg)
贵州大学硕士毕业论文
3.3.1 YOLO 算法核心思想 ............................................. 31
3.3.2 YOLO 算法的整体架构 ........................................... 32
3.3.3YOLO 算法损失函数的计算 ........................................ 32
3.4 目标检测 SSD 算法 .................................................... 33
3.4.1 位置回归的计算方式 ............................................ 34
3.4.2 算法损失函数的计算 ............................................ 35
3.4.3 SSD 算法的整体结构 ............................................ 36
3.5 本章小结 ............................................................ 37
第四章 基于 Mobilenetv2-SSD 算法的多目标检测研究 ............................. 38
4.1 MobilenetV1-SSD 卷积神经网络算法 .................................... 38
4.1.1 MobilenetV1 的设计思路 ........................................ 38
4.1.2 MobilenetV1 的主要结构 ........................................ 40
4.1.3 基于 MobilenetV1 的目标检测 MobilenetV1-SSD 算法 ................ 41
4.2 Mobilenetv2-SSD 卷积神经网络算法 .................................... 42
4.2.1 MobilenetV2 的设计思路 ........................................ 42
4.2.2 MobilenetV2 的主要结构 ........................................ 44
4.2.3 基于 MobilenetV2 的目标检测 MobilenetV1-SSD 算法 ................ 46
4.3 实验结果与分析 ...................................................... 47
4.3.1 环境搭建与数据集的选择 ........................................ 47
4.3.2 实验结果分析 .................................................. 48
4.4 本章小结 ............................................................ 50
第五章 基于 MobilenentV2-SSD 在 TX2 嵌入式平台上的实现 ........................ 51
5.1 Jetson TX2 平台概述 ................................................. 51
5.1.1 硬件平台简介 .................................................. 51
5.1.2 软件平台简介 .................................................. 53
5.2 基于 MobilenentV2-SSD 视频多目标检测系统设计 ......................... 54
5.3 实验结果分析 ........................................................ 56
5.3.1 数据集的采集与制作 ............................................ 56
5.3.2 实验参数设置与训练 ............................................ 57
5.3.2 实验结果分析 .................................................. 58
![](https://csdnimg.cn/release/download_crawler_static/86323427/bg4.jpg)
贵州大学硕士毕业论文
5.4 本章小结 ............................................................ 62
第六章 总结与展望 ........................................................... 63
6.1 论文总结 ............................................................ 63
6.2 下一步研究工作 ...................................................... 64
致 谢 ..................................................................... 65
参考文献.................................................................... 66
原 创 性 声 明 .............................................................. 70
![](https://csdnimg.cn/release/download_crawler_static/86323427/bg5.jpg)
贵州大学硕士毕业论文
I
基于深度学习的视频多目标检测研究
摘 要
随着城市摄像头的安装日益普及,以及视频监控领域的发展,视频多目标检测方向成为
计算机的热门研究领域。随着深度学习的发展和计算机硬件设备的完善,在人脸识别无人驾
驶和目标检测等领域已经取得了巨大的成就,并实现了广泛的运用。
本文主要针对计算机视频领域,采用深度学习算法对视频中的物体进行实时性的目标检
测,并将算法移植到嵌入式运算平台上,完成在移动端的视频多目标检测系统设计。考虑到
现有的基于深度学习的目标检测算法的参数量过大,嵌入式平台的运算能力有限,我们根据
SSD 目标检测算法这种端到端的预测方式,对算法进行剪枝,提出轻量化模型的目标检测算
法 MobilenetV2-SSD,并综合对比 SSD、MobilenetV1-SSD、MobilenetV2-SSD 算法的优劣
性。在 Caffe 深度学习框架上实现 MobilenetV2-SSD 算法,并将训练后的模型移植到 NVIDIA
Jetson TX2 嵌入式平台上,实现在移动端的视频多目标检测系统的设计。
1.基于 region proposal 策略的目标检测算法存在对视频多目标检测速度过慢的情况,本
文采用 SSD 目标检测算法中 anchor 的方式对边框进行回归,采用卷积核实现在卷积神经网
络中同时进行边框预测和目标回归策略。
2.考虑 SSD 目标检测算法的参数量过大,本文基于 MobilenentV1 的深度可分离卷积和
MobilenetV2 的 Inverted Residual Block 卷积神经网络结构,提出了 MobilenetV2-SSD 算法,
实现对模型的剪枝,轻量化算法模型,实验证明在不明显降低模型准确率的情况下可以压缩
到原有模型的 1/5。
3.为了实现在嵌入式端的视频多目标检测,我们在嵌入式端采用的是带有 GPU 芯片的
NIVIDIA Jetson TX2 嵌入式平台,经过实验测试,基于 MobilenetV2-SSD 算法在服务器上训
练移植到 JetsonTX2 上,能够在移动端完成对视频多目标的实时性检测的效果,实现我们在
移动端的视频多目标检测的目的。
关键词:深度学习;目标检测;MobilenetV2 卷积神经网络;Jetson T
剩余76页未读,继续阅读
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083646.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![doc](https://img-home.csdnimg.cn/images/20210720083327.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![avatar](https://profile-avatar.csdnimg.cn/3e57658ce64f4a7cbee10ca5b1383d4e_weixin_35767799.jpg!1)
我有多作怪
- 粉丝: 18
- 资源: 298
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)
评论0