新基于深度学习的室内目标识别与检测的研究4

1、基于深度学习的室内目标识别基于深度学习的室内目标识别与检测的研究与检测的研究 成员：成员： 电子电子1401 朱璐琳朱璐琳 电气电气1405 王雅琪王雅琪 电子电子1402 崔崔 涵涵项目背景和意义项目背景和意义01 项目内容和技术方案项目内容和技术方案02已有工作基础已有工作基础03创新点与特色创新点与特色04预期成果预期成果05经费预算和用途经费预算和用途06目录 / contents项目背景和意义 随着对图像处理技术研究的进一步深入，对图像更全面的理解，对图像中目标对象更精确和详细的识别变得至关重要。用户不仅关注对图像的简单分类，而且希望准确获得图像中存在的目标对象的语义类别和在图像中所

2、处的位置，因此图像中目标检测（object detection）技术受到广泛关注。室内物体的检测与识别室内物体的检测与识别项目背景和意义 本项目旨在实现用本项目旨在实现用方方法从背景复杂的图像中准确地法从背景复杂的图像中准确地进行进行，在在GPU平台通过平台通过对输入的图像进行特征提取，对输入的图像进行特征提取，实现室内对象的识别与检测。实现室内对象的识别与检测。应用：应用：该项目为未来室内定位，如室内机器人导航、智能该项目为未来室内定位，如室内机器人导航、智能家居等提供了理论支持。家居等提供了理论支持。加强机器人对加强机器人对室内物体的识室内物体的识别能力，别能力，用于室内机器用于室内机器人

3、导航。人导航。支持进一步发支持进一步发展智能家居，展智能家居，让人们生活更让人们生活更舒适。舒适。实现室内场景实现室内场景识别，用于室识别，用于室内安全监控等。内安全监控等。图像数据集图像数据集采集采集建立及训练网络模型建立及训练网络模型采集图像的识别采集图像的识别利用现有的利用现有的大型图像数大型图像数据集，从中据集，从中筛选所需的筛选所需的室内场景以室内场景以及室内对象及室内对象图像建立数图像建立数据集。据集。设计建立设计建立CNNCNN模型，用大模型，用大量通用数据量通用数据集进行卷集进行卷CNNCNN模型的预训模型的预训练练, ,所建数据所建数据集进行微调。集进行微调。采集室内图采集室

4、内图像，输入像，输入CNNCNN中实现识别中实现识别和检测。和检测。 卷积神经网络通常采用若干个卷积和子采样层的叠加结构作为特征抽取器。特征卷积神经网络通常采用若干个卷积和子采样层的叠加结构作为特征抽取器。特征抽取器后面接一个分类器，分类器通常由一个多层感知机构成。在特征抽取器的末抽取器后面接一个分类器，分类器通常由一个多层感知机构成。在特征抽取器的末尾，我们将所有的特征图展开并排列成为一个向量，称为特征向量，该特征向量作尾，我们将所有的特征图展开并排列成为一个向量，称为特征向量，该特征向量作为后层分类器的输入。为后层分类器的输入。010203分类同时进行，并同时在训练中产生。分类同时进行，并

5、同时在训练中产生。特征提取和模式分类同时进特征提取和模式分类同时进04已对现有研究状况已对现有研究状况有一个整体的把握有一个整体的把握对于机器学习、深度对于机器学习、深度学习、卷积神经网络学习、卷积神经网络等相关知识有一定的等相关知识有一定的学习和研究学习和研究能够熟练编程，对于能够熟练编程，对于训练网络要用的训练网络要用的torch环境有了深一步的了环境有了深一步的了解解参阅了相关文献参阅了相关文献搜集了大量的相关论文搜集了大量的相关论文坚实的编程基础坚实的编程基础创新1.本项目的特色在于利用卷积神经网络对室内图像检测和识别，相比传统室内目标识别BoW等方法效率高，无须手动提取特征。2.利用卷积神经网络对室内图像检测和识别，比传统方式识别的准确性要好，且能有效的避免过拟合的问题。3.该项目为未来室内定位，如室内机器人导航、智能家居的实现提供了有利的支持。l建立室内场景与室内对象数据集库，设计基于卷积神经网络的室内目标检测和识别系统。l申请实用新型专利2项