检索结果-内蒙古大学图书馆

光学精密工程 2023年第13期31卷 2000-2007页

作者：王睿樊思杨许婧文温志庆北京航空航天大学仪器科学与光电工程学院精密光机电一体化教育部重点实验室北京100191 季华实验室智能机器人工程研究中心广东佛山528200

在室内实例物体目标检测中,传统深度学习需要大量人工标注的训练样本进行网络训练,费时费力,为此提出并实现了一种采用奇异值分解(Singular Value Decomposition,SVD)和协同训练的半监督实例级目标检测网络SVD-RCNN。挑选关键样本进行... 详细信息

在室内实例物体目标检测中,传统深度学习需要大量人工标注的训练样本进行网络训练,费时费力,为此提出并实现了一种采用奇异值分解(Singular Value Decomposition,SVD)和协同训练的半监督实例级目标检测网络SVD-RCNN。挑选关键样本进行人工标注并预训练SVD-RCNN,以确保其获取更多先验知识,采用基于SVD的收敛-分解-微调策略,在SVD-RCNN中得到两个较强独立性的检测器以满足协同训练的要求,最后提出一种自适应的自标注策略,获得高质量的自标注及检测结果。在多个室内实例数据集上对该方法进行测试,在GMU数据集上只需人工标注199个样本,均值平均精度(mean Average Precision,mAP)达到了79.3%,相较于需标注3 851个样本的全监督Faster RCNN的81.3%mAP仅下降了2%。消融实验及系列实验证明了本文方法的有效性和普适性,本文提出的方法仅需人工标注5%的训练数据,即可达到与全监督学习相当的实例级目标检测精度,有利于智能机器人高效识别不同实例物体的实际应用。

关键词：计算机视觉目标检测半监督学习自标注

来源：评论

学校读者我要写书评

暂无评论

毫米波图像中深度学习目标检测方法研究

毫米波图像中深度学习目标检测方法研究

引用

作者：王崇剑西安电子科技大学

学位级别：博士

近年来,检测和识别公共交通乘客或公共场所游客等携带违禁物品是安检领域的一大挑战。基于毫米波成像的违禁物品检测与识别是应对这一挑战的主要手段。然而,与普通光学图像不同,毫米波图像具有分辨率低、信噪比低、对比度低等特点,在毫... 详细信息

近年来,检测和识别公共交通乘客或公共场所游客等携带违禁物品是安检领域的一大挑战。基于毫米波成像的违禁物品检测与识别是应对这一挑战的主要手段。然而,与普通光学图像不同,毫米波图像具有分辨率低、信噪比低、对比度低等特点,在毫米波图像中高效检测和定位违禁物品是一个亟待解决的难题。本文针对主动式毫米波图像中违禁物品的检测问题,借助深度学习的思想和方法,深入研究了复杂人体背景下违禁物品的检测和定位方法。研究工作和成果分为以下四个方面:1)针对单目标场景,提出了一种低复杂度滑动窗口检测算法。滑动窗口检测是一种常用的图像目标检测方法。但在人体毫米波图像中,违禁物品目标尺寸小。利用滑动窗口检测时,因适配目标造成滑动窗口过小而无法包含较多背景信息,造成虚警率过高;另一方面,使用小尺寸的滑动窗口在整幅图像上滑动搜索会带来很大的计算量。本文提出的低复杂度滑动窗口检测算法的思想是:a)首先使用一个大窗口在垂直方向滑动,给出感兴趣目标区域,b)再使用一个窗口在感兴趣目标区域内沿水平方向滑动,给出最终检测结果。该检测方法能有效降低虚警率,提高小目标的检测概率,并且将计算量降低70%。2)针对多目标场景,分析了Faster RCNN算法应用于毫米波图像的局限性,提出了一种有效降低虚警率的方法。Faster RCNN是基于深度学习的一种有效目标检测算法,但将该方法应用于毫米波图像时,为了适配小尺寸目标,需要使用小的区域建议窗口。这导致检测器在很多情况下无法区分窗口图像为人体部位还是目标,从而导致虚警率升高。本文提出的有效降低虚警率的思想是:在Faster RCNN中加入结合背景信息的二次鉴定模块,有效滤除人体部位造成的虚假目标,从而大幅度提升了检测概率。3)针对直接检测算法存在定位精度不高的问题,提出了一种基于语义分割的违禁物品检测算法。因直接检测算法使用矩形窗标注的数据集合,而矩形窗内除目标以外还包含大量的人体背景噪声,使目标定位精度大大下降。本文提出的检测算法的思想是:采用一种堆叠式膨胀卷积网络结构(该结构的优点是:特征图分辨率不受膨胀系数的影响),通过增大感受野抑制人体背景干扰,实现对违禁物品目标的像素级分割与定位。实测数据结果表明:与直接检测算法相比,该算法可以将目标定位精度提高38%以上。4)研究了毫米波图像中两种违禁物品目标的一种自标注方法。由于分割比定位需要更多的标注信息,一般需要对检测的数据集合进行二次标注以适用于分割任务,这带来了更多的手工标注工作量。本文提出的自标注方法的思想是:a)首先使用最大类间方差算法结合CANNY算子完成图像的二值化和粗分割操作,b)应用Radon变换提取目标的形状和角度信息,c)将目标亮度和纹理等局部信息及目标尺寸、位置、结构等全局信息相结合,通过区域分割和区域生长等手段,将目标从复杂的人体背景中自动分离。该自标注方法可以降低大约45%的标注工作量。

关键词：毫米波图像违禁目标检测卷积神经网络语义分割膨胀卷积自标注

来源：评论

学校读者我要写书评

暂无评论

面向智能驾驶场景的环境建模方法研究

面向智能驾驶场景的环境建模方法研究

引用

作者：曹昌湖南大学

学位级别：硕士

随着智能汽车的快速发展,智能汽车对环境感知、地图定位等模块的性能水平提出了更高的要求,然而这些模块中仍然存在着一些需要人工参与的部分,例如:感知模块中目标检测、道路几何形状等数据的标注,定位与地图模块中语义地图的标注等,由... 详细信息

随着智能汽车的快速发展,智能汽车对环境感知、地图定位等模块的性能水平提出了更高的要求,然而这些模块中仍然存在着一些需要人工参与的部分,例如:感知模块中目标检测、道路几何形状等数据的标注,定位与地图模块中语义地图的标注等,由于人工标注的速度缓慢且需要消耗大量精力以及人力,难以满足感知模块对标注的数据量、丰富度以及定位模块对地图的覆盖度、新鲜度的要求。因此,探究如何降低标注生成的人工参与程度,对于加速相关技术的应用与发展具有重要意义。本文将以智能驾驶场景中的环境建模技术为研究对象,分别探究基于激光雷达以及相机的环境建模方法,并将其应用于语义地图的自生成以及传感器数据的自标注。本文的主要工作如下: 1、针对基于激光雷达的环境建模任务,首先,结合深度学习点云语义分割模块以及传统点云聚类分割模块提升点云语义分割的精确率;其次,结合点云结构信息以及语义信息提高点云配准精度,并结合组合导航传感器以及回环检测进行后端优化,构建高精度点云地图;最后,将点云语义地图转换为二维语义栅格地图,提取道路边界并识别交叉路口。 2、针对基于相机的环境建模任务,首先,使用图像语义分割模块为图像赋予像素级语义标签;然后,通过相机观测模型构建图像的匹配关系,并通过多传感器融合的图像运动结构恢复模块完成图像精确位姿的计算;其次,基于多视角立体匹配完成图像深度估计,并综合几何信息以及语义信息完成图像语义稠密重建;最后,将图像转换为与激光雷达一致的数据格式,完成道路元素的提取。 3、针对智能驾驶传感器数据标注任务,分别讨论了基于环境结构建模的空间同步与聚合标注、基于自动化环境建模的序列数据自标注以及基于先验环境建模的序列数据自标注三种方法对于提升智能驾驶传感器数据标注效率的重要意义;针对标注中的可观性问题,对标注可观性进行了的详细定义,并构建了标注可观性模型;基于前述所构建的激光雷达或相机的环境建模系统构建了序列数据自标注系统。 4、基于公开数据集分别验证了本文所提出的两种环境建模方法以及基于环境建模的序列数据自标注方法的可行性与有效性。环境建模系统能够在自动化完成环境结构建模的同时完成环境语义建模,并提取环境元素,基于环境建模的序列数据自标注系统能够有效提高传感器数据的标注效率,两系统对于构建数据闭环,加快智能驾驶感知、定位模块相关技术的发展与应用具有重要意义。

关键词：智能驾驶环境建模语义提取自标注

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：