基于深度学习的牵引变电所视频图像多目标识别研究

发布时间：2022-07-03 17:53

　　随着我国高速铁路技术的发展及其对自动化需求的提高,越来越多的牵引变电所向无人值守化发展,变电所中视频监控及巡检系统的智能化也变得尤为重要。所以本文的研究目的是为牵引变电所的远程智能巡检提供技术支持,主要研究如何实现牵引变电所视频图像的多目标识别。现有的牵引变电所监控图像的识别大都针对某一特定目标进行特征提取,无法完成多目标识别。并且不能同时完成鲁棒性好、速度快、准确性高的目标识别任务。本文正是针对这一任务展开的研究,不仅能做到鲁棒性好、速度快、准确性高的多目标识别任务,还能解决在很暗的状态下各色指示灯的颜色都发白,因而无法正确识别的问题。本文基于深度学习的理论,利用了深度神经网络的可迁移性,应用迁移学习的思想,克服了深度学习对数据和硬件的计算能力的依赖性。在计算能力和数据量都有限情况下的得到性能良好的可用于工程实践的牵引变电所视频图像的多目标识别模型。本文基于迁移学习的理论研究,利用SSD（Single Shot Mutibox Detector）和YOLOv2（You Only Look Once v2）模型,结合Python语言和TensorFlow平台,实现了识别准确度高、速度快... 

【文章页数】：55 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 牵引变电所视频图像多目标识别的研究背景及意义
    1.2 多目标识别的研究现状
    1.3 主要研究内容
第二章 深度学习相关理论与目标检测模型
    2.1 深度学习理论
    2.2 卷积神经网络的结构
        2.2.1 典型卷积神经网络
    2.3 基于卷积神经网络的目标检测模型
        2.3.1 Faster R-CNN
        2.3.2 YOLO
        2.3.3 SSD
    2.4 深度神经网络的迁移学习
        2.4.1 迁移学习的概念
        2.4.2 深度神经网络的特征抽取
    2.5 小结
第三章 牵引变电所视频图像多目标识别模型的构建
    3.1 牵引变电所视频图像识别目标的需求分析
    3.2 目标识别模型的构建思路
        3.2.1 问题分析
        3.2.2 解决方法
    3.3 目标识别常用数据集
        3.3.1 ImageNet数据集
        3.3.2 COCO数据集
        3.3.3 VOC数据集
    3.4 小结
第四章 牵引变电所视频图像多目标识别模型迁移学习的实现
    4.1 深度学习开发环境
        4.1.1 开发框架的选择
        4.1.2 开发环境的配置
    4.2 数据集的创建
        4.2.1 数据平衡问题
    4.3 预训练模型的选择
    4.4 模型的迁移学习
        4.4.1 模型迁移的相关程序
    4.5 小结
第五章 多目标识别模型迁移学习的识别结果
    5.1 SSD模型迁移的结果
    5.2 YOLOv2 模型迁移的结果
    5.3 模型的优化与改进
    5.4 小结
第六章 总结
    6.1 主要工作回顾
    6.2 本文创新之处
    6.3 本课题今后需进一步研究的地方
参考文献
个人简历在读期间发表的学术论文
致谢



本文编号：3655368