發(fā)布時(shí)間：2024-07-10 18:54

　　圖像分類(lèi)與檢測(cè)屬于計(jì)算機(jī)視覺(jué)領(lǐng)域重要的研究課題。本文首先研究圖像分類(lèi)問(wèn)題,然后進(jìn)一步深入研究圖像目標(biāo)檢測(cè)。對(duì)于圖像分類(lèi)問(wèn)題本文選擇脫機(jī)手寫(xiě)漢字識(shí)別來(lái)進(jìn)行研究。對(duì)于圖像目標(biāo)檢測(cè)本文將分析現(xiàn)有的目標(biāo)檢測(cè)算法及其存在的不足,并對(duì)其進(jìn)行改進(jìn)。本文將基于深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)算法對(duì)脫機(jī)手寫(xiě)漢字識(shí)別和目標(biāo)檢測(cè)進(jìn)行研究。主要研究?jī)?nèi)容如下:(1)由于傳統(tǒng)脫機(jī)手寫(xiě)漢字識(shí)別的過(guò)程復(fù)雜、精度低;而常用卷積神經(jīng)網(wǎng)絡(luò)的特征信息提取不充分。因此,本文設(shè)計(jì)了網(wǎng)絡(luò)模型CharacterNet。首先,通過(guò)多級(jí)堆疊的特征分組提取模塊,提取圖像的深層抽象特征信息,并進(jìn)行特征信息之間的交流融合;然后,利用設(shè)計(jì)的下采樣和通道擴(kuò)增模塊,在降低特征維度的同時(shí)保留圖像重要信息。最后,將特征信息進(jìn)行精煉和濃縮,來(lái)解決特征信息的重疊和冗余問(wèn)題。本文使用包含3755個(gè)漢字的CASIA-HWDB(V1.1)數(shù)據(jù)集對(duì)模型進(jìn)行訓(xùn)練和測(cè)試,實(shí)驗(yàn)結(jié)果驗(yàn)證了模型的有效性。(2)針對(duì)SSD目標(biāo)檢測(cè)算法平均檢測(cè)精度低,尤其對(duì)小目標(biāo)的檢測(cè)問(wèn)題經(jīng)常出現(xiàn)漏檢和誤檢的問(wèn)題,本文基于VGG網(wǎng)絡(luò)設(shè)計(jì)了多尺度融合的目標(biāo)檢測(cè)算法MFSSD。在算法中使用分步卷積拆分算法...

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-11AlexNet網(wǎng)絡(luò)模型

燕山大學(xué)工學(xué)碩士學(xué)位論文-18-圖2-11AlexNet網(wǎng)絡(luò)模型(2)VGGNet網(wǎng)絡(luò)繼AlexNet網(wǎng)絡(luò)之后，牛津大學(xué)工程系利用3×3大小的卷積核來(lái)增加卷積神經(jīng)網(wǎng)絡(luò)的深度，并提出VGGNet網(wǎng)絡(luò)模型。VGGNet網(wǎng)絡(luò)通過(guò)加深網(wǎng)絡(luò)結(jié)構(gòu)，所以提取的特征更加豐富和抽象。此外，網(wǎng)絡(luò)最后....

圖3-5特征分組示意圖

燕山大學(xué)工學(xué)碩士學(xué)位論文-24-1133輸入特征分組特征整合+輸出特征整合特征整合特征整合特征整合特征整合特征整合特征整合特征整合5577553333111133333311圖3-4改進(jìn)網(wǎng)絡(luò)模塊2圖3-5特征分組示意圖雖然網(wǎng)絡(luò)寬度的增加對(duì)提升網(wǎng)絡(luò)性能有很大幫助，但是隨著寬度增加無(wú)....

圖3-13訓(xùn)練損失

燕山大學(xué)工學(xué)碩士學(xué)位論文-36-習(xí)率設(shè)置為一個(gè)固定的經(jīng)驗(yàn)值，此時(shí)網(wǎng)絡(luò)的訓(xùn)練會(huì)達(dá)到比較不錯(cuò)的效果，但是訓(xùn)練后期會(huì)出現(xiàn)平臺(tái)期，甚至出現(xiàn)效果下降的問(wèn)題�；谝陨蠁�(wèn)題本文根據(jù)訓(xùn)練情況對(duì)學(xué)習(xí)率采取經(jīng)驗(yàn)的手動(dòng)調(diào)整，首先，將學(xué)習(xí)率設(shè)置為0.1來(lái)加快收斂速度；然后，當(dāng)訓(xùn)練到40000步時(shí)將學(xué)習(xí)率....

圖3-14訓(xùn)練準(zhǔn)確率

燕山大學(xué)工學(xué)碩士學(xué)位論文-36-習(xí)率設(shè)置為一個(gè)固定的經(jīng)驗(yàn)值，此時(shí)網(wǎng)絡(luò)的訓(xùn)練會(huì)達(dá)到比較不錯(cuò)的效果，但是訓(xùn)練后期會(huì)出現(xiàn)平臺(tái)期，甚至出現(xiàn)效果下降的問(wèn)題�；谝陨蠁�(wèn)題本文根據(jù)訓(xùn)練情況對(duì)學(xué)習(xí)率采取經(jīng)驗(yàn)的手動(dòng)調(diào)整，首先，將學(xué)習(xí)率設(shè)置為0.1來(lái)加快收斂速度；然后，當(dāng)訓(xùn)練到40000步時(shí)將學(xué)習(xí)率....

本文編號(hào)：4004577