【摘 要】
:
深度卷积神经网络是计算机视觉领域非常有效的方法。海量增长的图像数据和日益普及的智能设备都要求快速、准确地理解图像的内容,并自动分割识别出图像中的目标物体。图像分割的任务是在给定的图像中检测出是否包含某类目标物体,并标注出图像中每个像素所属的对象类别,描绘出每个物体的边界,最终获得一幅具有像素语义标注的分割图。图像中目标物体的检测与分割对于计算机视觉的发展具有十分重要的意义,在实际的工程应用中也具有
论文部分内容阅读
深度卷积神经网络是计算机视觉领域非常有效的方法。海量增长的图像数据和日益普及的智能设备都要求快速、准确地理解图像的内容,并自动分割识别出图像中的目标物体。图像分割的任务是在给定的图像中检测出是否包含某类目标物体,并标注出图像中每个像素所属的对象类别,描绘出每个物体的边界,最终获得一幅具有像素语义标注的分割图。图像中目标物体的检测与分割对于计算机视觉的发展具有十分重要的意义,在实际的工程应用中也具有较高的实用价值,当前国内外发表了很多关于图像分割算法的优秀研究成果,但将其应用到实际的操作过程中时发现,仍然存在较多的问题,如目标物体在部分物体重叠遮挡、光照强度、背景干扰等因素的影响下,很难获得理想的分割精度。本文针对当前现有的算法进行了深入调研和分析,根据分析的结果对当前的算法进行优化,设计出更具备适应性的算法,下文将对本文的主要研究内容进行简述:(1)本文首先使用编解码结构,提出了一种用于图像语义分割的优化的高分辨率网络,解决传统全卷积模型中由多次卷积和采样操作导致的边缘轮廓过于模糊的问题,提高语义分割精度。本文引入分离-转换-合并思想来优化网络,减少网络参数量。为了增加视场的多样性且避免网格化问题,本文提出了一个混合扩张卷积模块来处理多尺度的图像对象,该模块包含了可以进行多尺度融合的旁路连接策略。为了解决解码过程中特征图中细节丢失的问题,本文提出了多级上采样卷积块,该问题包含中间监督和DUpsample上采样策略,该策略可以更好地建立每个像素之间的预测相关性,有助于恢复细节特征。(2)本文又提出了一种结合多尺度上下文和物体语义边界信息的语义分割方法,进一步恢复对象边缘信息。该方法是在DeepLabV3+结构的基础上进行了改进。首先为使网络获取多尺度上下文信息,且捕捉到全局联系,本文基于自注意力机制对ASPP进行了优化,有助于增加卷积核对像素更多近邻区域的提取。为了进一步利用到对象的边界特征,文中又构建了形状感知模块作为独立的分支来处理图像的形状,以捕获对象的边界信息,并通过共享特征层将形状感知模块学习到的语义边界信息传递给语义分割网络,有效提升了语义分割网络的分割精度。本方法在同一深度神经网络框架下同时完成语义边界检测和语义分割两个任务,并定义了新的模型代价函数来完成网络训练。
其他文献
仿生系列智能机器人发展以来,主要分为陆地机器人、水下机器人和空中飞行无人机三大类。其中无人机与陆地机器人发展迅速,而水下机器人有几大研究所进行研究,并因在水下水质质量检测、水下空间构建、生态数据采集、军事信息传输等一系列工程应用得以加重关注。现有研究的水下仿生机器人推进方式主要以身体/尾鳍(body and/or Caudal Fin,BCF)和中央鳍/对鳍(Median and/or Paire
图像隐写术是多媒体安全领域中的一种常用技术,它主要通过对图像载体的像素值或DCT系数的轻微修改来嵌入秘密信息。随着图像隐写术的发展,隐写分析术的目的则是检测图像中是否存在秘密信息。隐写和隐写分析一直在对抗博弈中共同发展,基于最小失真框架的隐写和基于有监督学习的隐写分析成为主流的研究方法。为了提高隐写的安全性能,图像内容自适应隐写算法将修改集中到隐写分析器难以建模的纹理复杂区域。随着深度学习技术在图
二维码由于其成本低和使用方便等特性,得到了广泛应用。为了抵抗非法复制(Illegitimately-Copying,IC)攻击,现有的防复制二维码通过隐藏认证信息来提高其安全性,如最新提出的:2LQR二维码(Two-Level QR code)、LCAC二维码(Low-Cost Anti-Copying 2D barcode)和STAC二维码(Superimposed-Tag Anti-Copyi
随着高效的视频编码技术和计算机网络的普及,数字视频已经渗透到人们生活的方方面面。视频一方面作为娱乐产品丰富人们生活,另一方面在司法取证和公共安全中也扮演着重要的角色。视频处理技术的发展和视频编辑软件的涌现,使得普通用户轻易就可以完成视频内容的修改。不法分子通过篡改视频内容达到造谣、嫁祸他人目的的案例越来越多。因此视频原始性取证分析技术对个人权益和社会的稳定都具有重要的作用。本文针对视频原始性证实的
深度学习近年来得到了快速的发展,在计算机视觉,自然语言处理等众多领域有着优越的表现,催生了一系列智能产品的落地。而深度学习的本质是在大数据支撑下,由多层神经网络堆叠形成的信号处理系统,具有参数量大,计算复杂度高等特点,需要依靠高性能的服务器端来处理庞大的网络参数运算与更新。很多时候,出于响应时间、隐私方面和服务稳定性的考虑,更希望将这些网络模型放在移动终端上运行,而移动终端的运算资源及计算能力有限
模型压缩与优化是当下深度学习领域的研究热点之一,致力于解决深度神经网络(Deep Neural Network,DNN)模型过度冗余,参数过大导致的运算量或存储要求过高的问题。当前主流的基于低秩与稀疏分解的网络压缩方法没有整体考虑权重的这两种特性,忽略了它们之间的关联。其次,模型压缩涉及的超参数,如秩、稀疏度等的搜索空间极大,高度依赖领域专家经验进行选择。此外,在稀疏网络的学习中,网络连接结构与模
随着计算机技术和互联网的发展,视频正成为人们获取和交流信息的主要载体,其中视频监控越来越成为社会发展和人们生活不可或缺的一部分,如何使用计算机技术进行视频中的人类行为分析识别成为近年来的研究热点。本文在以光流信号为运动信息表征的传统双流卷积神经网络的基础上,提出以帧间差分图像序列作为时间流网络输入,运用Res Net-18网络结构建立双流网络模型实现视频中人体行为识别的方法。并对传统双流网络的数据
由于二维码独特的光学可见性,容易受到非法复制(Illegitimately-Copying,IC)的攻击。IC攻击不仅阻碍了二维码的推广使用,也对商家和用户造成了不可避免的经济损失。早期的防复制二维码主要利用特殊打印材料或特殊打印技术来设计的,导致了以下缺陷:生产成本高和通用性低。最近,有研究者通过分析非法信道特性,提出了新的防复制二维码,比如2LQR二维码(Two-Level QR Code)和
计算机视觉技术的快速发展为海量监控数据提供了多种自动化分析解决方案,就行人信息而言,现有的解决方案多是专注于目标检测、目标跟踪等低层算法,因此行人信息的分析方法仍待向中高层算法方向继续深入研究。由于行人的特性可通过年龄、性别、携带物等属性来推断,行人未来的意图能通过当前时刻的具体行为来预测,因此研究行人属性识别与行人异常行为分析对智慧安防等领域有着重要的意义。为了在真实监控场景下能更加鲁棒地提取出
新媒介消解了群体参与新兴文化塑造的壁垒,拓展了对日常现象的反思维度。其中,电子游戏作为新兴文化产业的翘楚,以惊人的爆发力迅速成为当下的潮流文化之一。但国内对其看法较为片面和保守,尤其是对电子游戏内涉及到暴力和死亡的场景,人们多表现出反感或排斥的态度。的确,不论是游戏结束(game over)或是所扮演的游戏内角色死去,“死亡”都是大部分电子游戏作品所无法回避的,但在角色扮演类电子游戏中,玩家可以通