[医学]基于卷积神经网络的目标检测算法研究
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
国外现状
在国外，也经历了由人工设计特征到算法自动设 计并提取特征的过程。2010年， Dalai等利用人 工设计的方向梯度直方图特征，训练出来多视角 的可变形的检测模型，虽然有效的提高了检测精 度，但仍然存在计算复杂，对小目标鲁棒性不强 等问题。2012年，卷积神经网络在全球图像分 类比赛中得到最优的成绩，因此卷积神经网络自 适应的提取图像特征受到重视，卷积神经网络通 过反向传播算法进行网络参数的更新，通过自适 应的调整不同特征的权重有效的组合特征，得到 鲁棒性更好的高层特征。因此，如果让计算机主 动学习图像的特征，相对于人工设计的特征而言， 能够有效的提高检测精度，改善实验结果。
W ord教程： w w w .1ppt .com/w ord/
Excel教程：w w w .1ppt .com/excel/
资料下载：w w w .1ppt .com/ziliao/
PPT课件下载：w w w .1ppt .com/kejian/
范文下载：w w w .1ppt .com/fanw en/
节日PPT模板：w w w .1ppt .com/jieri/
PPT素材下载：w w w .1ppt .com/s ucai/
PPT背景图片：w w w .1ppt .com/beijing/ PPT图表下载：w w w .1ppt .com/t ubiao/
优秀PPT下载：w w w .1ppt .com/xiazai/ PPT教程： w w w .1ppt .com/pow erpoint /
1 研 究 背 景 RESEARCH BACKGROUNDS
国外现状
1 研 究 背 景 RESEARCH BACKGROUNDS
研究
目标检测；卷积神经网络；非极大值抑制
目的
本文研究的最终目的是将卷积神经网络应用到目标检测任务中：如何 避免手工设计的特征，减少计算的复杂度，提高算法执行速度，最终 提高检测精度。具体的基于现有的开发库，在现有的卷积神经网络模 型的基础上，利用迁移学习和重新训练，更新模型参数，提取深度特 征并训练分类器。同时在滑动窗口检测后，动态化面积重叠率阈值， 进一步提高检测精度。
被用来帮助工作人员发现异常情况并 及时报警。
图1-1
智能视频监控的功能是让计算机模拟人类的大脑对图像的处理机制，利用摄像头模拟的人类的眼睛，运行图像处理算法，分析 从摄像头中获取的图像序列，并对被监控场景中的内容进行理解，实现对异常行为的自动预警和报警。智能监控的智能化主要 表现在对图像序列中的目标进行检测、目标识别，理解目标的行为。目前常用的智能监控系统主要包括视频获取、图像预处理、 目标检测、目标分类、目标跟踪、目标行为分析和理解等七个部分，图1-1给出了智能监控系统具体的流程图。
1 研 究 背 景 RESEARCH BACKGROUNDS
智能交通中的目标检测
传统的视频监控解决方案只是进行视 频图像的记录、存储与调取等机械的
操作，用来记录发生的事情，不具有
针对异常情况进行预测和报警的作用。
需要工作人员时时刻刻查看显示屏，
才能进行预测和报警。由于传统视频
监控技术的不足，所以智能视频监控
首先，针对目标检测特征提取环节，本文以卷积神经网络为基础，构建深度特征提取器， 提取深度特征训练可变形部件模型，作为最终的检测模型，并有效的提高检测精度。 另外，在目标后处理环节中，将抑制重复检测和误检的面积重叠率阈值动态化后，进一步的提 高了检测精度，减少了误检和重检。
PPT模板下载：w w w .1ppt .com/moban/ 行业PPT模板：w w w .1ppt .com/hangye/
1 研 究 背 景 RESEARCH BACKGROUNDS
国内现状
大部分目标检测算法任然使用单一或 者几种手工设计的特征。手工设计的 特征，不仅计算开销大，降低算法的 执行速度，对于目标多样性的变化并 没有很好地鲁棒性，严格限制应用前 提。因此亟需对特征提取进行改进。
1 研 究 背 景 RESEARCH BACKGROUNDS
试卷下载：w w w .1ppt .com/s hit i/
教案下载：w w w .1ppt .com/jiaoan/ PPT论坛：w w w .1ppt .cn
1
哈尔滨理工大学 Harbin University of Science and Technology
研 究 背 景 RESEARCH BACKGROUNDS
6
研究方法2
ANALYSIS AND DISCUSSION
结论
CONCLUSION
科研成果
SCIENTIFIC ACHIEVEMENTS
1 研 究 背 景 RESEARCH BACKGROUNDS
内容简介 BRIEF INTRODUCTION
本文以智能交通为背景，针对智能视频监控系统进行剖析，对其中目标检测算法进行了具 体的研究和改进。
目标检测
卷积神经网络
非极大值抑制
针对不同场景图像，能够对不同类 目标进行自动检测和识别，定位目 标的位置和识别目标的类型。
一种模拟人类大脑皮层视觉处理机 制，由多个神经元连接并列成一层， 多层神经元构成多层视觉处理结构。
检测过程得到的重复检测和误检，需要 利用非极大值抑制算法来减少，对于不 同类的目标需要动态化面积重叠率阈值。
1 研 究 背 景 RESEARCH BACKGROUNDS
深度学习
研究了深度学习的背景知识：包括深 度学习的概念，以及典型的常用的深 度学习模型。
卷积神经网络
研究了卷积神经网络的基本原理，组 成和连接方式。
研究 内容
基于深度特征的目标检测
研究了基于现有的卷积神经网络模型 Alexnet,通过迁移学习，获得深度特 征提取器，提取特征训练多组件的可 变形部件模型，对不同类目标的多样 姿态进行检测。
基于卷积神经网络的目标检测 算法研究
CONTENTS
哈尔滨理工大学 Harbin University of Science and Technology
研究背景
RESEARCH BACKGROHale Waihona Puke BaiduNDS
1 4
理论基础
RESEARCH FRAMWORK
2 5
研究方法1 3
RESEARCH METHODS
在国外，也经历了由人工设计特征到算法自动设 计并提取特征的过程。2010年， Dalai等利用人 工设计的方向梯度直方图特征，训练出来多视角 的可变形的检测模型，虽然有效的提高了检测精 度，但仍然存在计算复杂，对小目标鲁棒性不强 等问题。2012年，卷积神经网络在全球图像分 类比赛中得到最优的成绩，因此卷积神经网络自 适应的提取图像特征受到重视，卷积神经网络通 过反向传播算法进行网络参数的更新，通过自适 应的调整不同特征的权重有效的组合特征，得到 鲁棒性更好的高层特征。因此，如果让计算机主 动学习图像的特征，相对于人工设计的特征而言， 能够有效的提高检测精度，改善实验结果。
W ord教程： w w w .1ppt .com/w ord/
Excel教程：w w w .1ppt .com/excel/
资料下载：w w w .1ppt .com/ziliao/
PPT课件下载：w w w .1ppt .com/kejian/
范文下载：w w w .1ppt .com/fanw en/
节日PPT模板：w w w .1ppt .com/jieri/
PPT素材下载：w w w .1ppt .com/s ucai/
PPT背景图片：w w w .1ppt .com/beijing/ PPT图表下载：w w w .1ppt .com/t ubiao/
优秀PPT下载：w w w .1ppt .com/xiazai/ PPT教程： w w w .1ppt .com/pow erpoint /
1 研 究 背 景 RESEARCH BACKGROUNDS
国外现状
1 研 究 背 景 RESEARCH BACKGROUNDS
研究
目标检测；卷积神经网络；非极大值抑制
目的
本文研究的最终目的是将卷积神经网络应用到目标检测任务中：如何 避免手工设计的特征，减少计算的复杂度，提高算法执行速度，最终 提高检测精度。具体的基于现有的开发库，在现有的卷积神经网络模 型的基础上，利用迁移学习和重新训练，更新模型参数，提取深度特 征并训练分类器。同时在滑动窗口检测后，动态化面积重叠率阈值， 进一步提高检测精度。
被用来帮助工作人员发现异常情况并 及时报警。
图1-1
智能视频监控的功能是让计算机模拟人类的大脑对图像的处理机制，利用摄像头模拟的人类的眼睛，运行图像处理算法，分析 从摄像头中获取的图像序列，并对被监控场景中的内容进行理解，实现对异常行为的自动预警和报警。智能监控的智能化主要 表现在对图像序列中的目标进行检测、目标识别，理解目标的行为。目前常用的智能监控系统主要包括视频获取、图像预处理、 目标检测、目标分类、目标跟踪、目标行为分析和理解等七个部分，图1-1给出了智能监控系统具体的流程图。
1 研 究 背 景 RESEARCH BACKGROUNDS
智能交通中的目标检测
传统的视频监控解决方案只是进行视 频图像的记录、存储与调取等机械的
操作，用来记录发生的事情，不具有
针对异常情况进行预测和报警的作用。
需要工作人员时时刻刻查看显示屏，
才能进行预测和报警。由于传统视频
监控技术的不足，所以智能视频监控
首先，针对目标检测特征提取环节，本文以卷积神经网络为基础，构建深度特征提取器， 提取深度特征训练可变形部件模型，作为最终的检测模型，并有效的提高检测精度。 另外，在目标后处理环节中，将抑制重复检测和误检的面积重叠率阈值动态化后，进一步的提 高了检测精度，减少了误检和重检。
PPT模板下载：w w w .1ppt .com/moban/ 行业PPT模板：w w w .1ppt .com/hangye/
1 研 究 背 景 RESEARCH BACKGROUNDS
国内现状
大部分目标检测算法任然使用单一或 者几种手工设计的特征。手工设计的 特征，不仅计算开销大，降低算法的 执行速度，对于目标多样性的变化并 没有很好地鲁棒性，严格限制应用前 提。因此亟需对特征提取进行改进。
1 研 究 背 景 RESEARCH BACKGROUNDS
试卷下载：w w w .1ppt .com/s hit i/
教案下载：w w w .1ppt .com/jiaoan/ PPT论坛：w w w .1ppt .cn
1
哈尔滨理工大学 Harbin University of Science and Technology
研 究 背 景 RESEARCH BACKGROUNDS
6
研究方法2
ANALYSIS AND DISCUSSION
结论
CONCLUSION
科研成果
SCIENTIFIC ACHIEVEMENTS
1 研 究 背 景 RESEARCH BACKGROUNDS
内容简介 BRIEF INTRODUCTION
本文以智能交通为背景，针对智能视频监控系统进行剖析，对其中目标检测算法进行了具 体的研究和改进。
目标检测
卷积神经网络
非极大值抑制
针对不同场景图像，能够对不同类 目标进行自动检测和识别，定位目 标的位置和识别目标的类型。
一种模拟人类大脑皮层视觉处理机 制，由多个神经元连接并列成一层， 多层神经元构成多层视觉处理结构。
检测过程得到的重复检测和误检，需要 利用非极大值抑制算法来减少，对于不 同类的目标需要动态化面积重叠率阈值。
1 研 究 背 景 RESEARCH BACKGROUNDS
深度学习
研究了深度学习的背景知识：包括深 度学习的概念，以及典型的常用的深 度学习模型。
卷积神经网络
研究了卷积神经网络的基本原理，组 成和连接方式。
研究 内容
基于深度特征的目标检测
研究了基于现有的卷积神经网络模型 Alexnet,通过迁移学习，获得深度特 征提取器，提取特征训练多组件的可 变形部件模型，对不同类目标的多样 姿态进行检测。
基于卷积神经网络的目标检测 算法研究
CONTENTS
哈尔滨理工大学 Harbin University of Science and Technology
研究背景
RESEARCH BACKGROHale Waihona Puke BaiduNDS
1 4
理论基础
RESEARCH FRAMWORK
2 5
研究方法1 3
RESEARCH METHODS