基于卷積神經(jīng)網(wǎng)絡(luò)的物體識別研究與實現(xiàn).pdf

1、物體識別是計算機視覺中的一個研究方向，也是當(dāng)前比較熱門的研究領(lǐng)域。在人們的需求不斷增長的今天，物體識別在安全、科技、經(jīng)濟方面正在起著舉足輕重的作用，安防領(lǐng)域和交通監(jiān)管部門也對物體識別提出了迫切的要求，所以研究物體識別對社會的未來有非常重要的意義。2006年一種新的方法深度神經(jīng)網(wǎng)絡(luò)的出現(xiàn)，標(biāo)志著以深度學(xué)習(xí)為新紀(jì)元的時代的到來，卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)方法之一，憑借著優(yōu)秀的性能和無限的潛力成為了競相研究的對象，并且已經(jīng)在圖像識別領(lǐng)域取得巨大

2、的成功。因此，基于卷積神經(jīng)網(wǎng)絡(luò)的物體識別已經(jīng)成為了物體識別領(lǐng)域的一個研究熱點。
　　本論文重點闡述了一個改進YOLO的卷積神經(jīng)網(wǎng)絡(luò)模型，改進后網(wǎng)絡(luò)性能得到了較為明顯的提升，具體的工作如下：
　　1．改進的模型修改了YOLO網(wǎng)絡(luò)的損失函數(shù)。改進YOLO的模型將比例的形式替換了原有差值的形式。相對于舊的損失函數(shù)，新的損失函數(shù)顯得更加靈活，對網(wǎng)絡(luò)誤差的優(yōu)化更合理。
　　2．改進的模型在YOLO網(wǎng)絡(luò)中增加了1×1的卷積核。這樣

3、就減少該層的參數(shù)數(shù)量，使網(wǎng)絡(luò)各層提取的特征過渡更加平滑。
　　3．改進的模型采用了新的inception結(jié)構(gòu)。因為Inception結(jié)構(gòu)本身就有加深和加寬網(wǎng)絡(luò)的能力，并且在增強網(wǎng)絡(luò)性能的同時，還能減少網(wǎng)絡(luò)參數(shù)的數(shù)量。
　　4．改進的模型添加了一層時空金字塔下采樣層，這樣就能更充分地利用原圖像中的信息，增強網(wǎng)絡(luò)的識別性能。另外，由于時空金字塔下采樣層本身具有的優(yōu)勢，使得網(wǎng)絡(luò)在時間性能上也有提高。
　　最后，在pascal