基于迁移学习的智能移动靶图像定位研究
发布时间：2023-10-02 03:40
国防和军队建设是我国国民经济发展的安全保障,射击训练对于提高士兵的作战能力非常关键。智能移动靶能够模拟逼真的战场情景,有助于提高受训官兵的实战能力。而智能移动靶设计的核心就在于移动靶的空间自主定位能力,定位的不精确可能导致移动靶未能出现在指定射击区域,严重情况下甚至会产生射击安全隐患。鉴于此,本文研究并实现了一种有监督数据增强的卷积神经网络迁移学习的智能移动靶图像分类定位的方法。本文主要研究工作如下:1、使用三种机器学习方法对静态空间进行场景分类定位。通过调整图像大小和使用颜色直方图均衡化,再通过扁平化处理转成一维行像素,将样本集预处理为特征向量输出,通过实验得到三种机器学习的分类定位结果。提出基于深度学习的静态空间定位方法,设计了卷积神经网络结构模型和网络参数,通过实验得到卷积神经网络的分类定位结果。2、针对复杂动态空间小样本数据集的空间分类定位问题,提出基于有监督数据增强的卷积神经网络迁移学习的方法。卷积神经网络的模型选用已经训练好的Inception-V3模型,并分别研究单一图像定位和合并图像定位的定位效果。实验结果表明,图像在已有数据的基础上,采用预设数据变换规律进行数据的扩充...
【文章页数】：105 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题研究的背景和意义
1.2 国内外研究现状
1.2.1 射击靶的研究现状
1.2.2 室内外空间定位算法的研究现状
1.3 本文主要研究内容
第二章 智能移动靶图像定位系统的整体研究
2.1 智能移动靶系统设计要求及算法分析
2.1.1 功能需求
2.1.2 图像定位算法分析
2.2 系统硬件选型
2.2.1 工业相机的选型
2.2.2 镜头的选型
2.3 系统总体方案研究
2.3.1 移动平台设计
2.3.2 图像定位系统
2.3.3 信息管理终端系统
2.4 图像定位系统的软件设计
2.4.1 图像定位系统的软件框架
2.4.2 数据通讯模块
2.4.3 设置相机模块
2.4.4 定位预测模块
2.4.5 地图坐标显示模块
2.4.6 移动靶信息采集管理模块
2.5 本章小结
第三章 机器人图像分类算法定位研究
3.1 浅层学习与深度学习
3.1.1 浅层学习
3.1.2 深度学习
3.2 算法研究的前期准备
3.2.1 硬件准备
3.2.2 软件准备
3.3 位置图像采集与预处理
3.3.1 位置图像采集
3.3.2 位置图像预处理
3.4 K最近邻KNN算法图像分类定位研究
3.4.1 K最近邻算法概述
3.4.2 K最近邻算法的实验分析
3.5 支持向量机SVM算法图像分类定位研究
3.5.1 支持向量机算法概述
3.5.2 支持向量机算法的实验分析
3.6 多层感知机MLP算法图像分类定位研究
3.6.1 多层感知机算法概述
3.6.2 多层感知机算法的实验分析
3.7 卷积神经网络CNN算法图像分类定位研究
3.7.1 卷积神经网络概述
3.7.2 卷积神经网络的正向传播
3.7.3 卷积神经网络的反向传播
3.7.4 卷积神经网络的模型结构设计
3.7.5 卷积神经网络的实验分析
3.8 四种分类定位算法结果对比分析
3.9 本章小结
第四章 基于有监督数据增强的迁移学习的动态定位研究
4.1 迁移学习概述
4.2 Inception模型
4.3 单一图像定位的迁移学习实验与结果
4.3.1 单一图像采集与分类
4.3.2 单一图像预处理
4.3.3 单一图像的训练过程及结果
4.3.4 单一图像训练模型的实际测试结果
4.3.5 单一图像模型对动态环境迁移学习定位的总结
4.4 合并图像优化数据后的对比实验与结果
4.4.1 合并图像采集与分类
4.4.2 合并图像预处理
4.4.3 合并图像增强数据后的训练过程及结果
4.4.4 合并图像训练模型的实际测试结果
4.4.5 合并图像模型对动态环境定位的总结
4.5 对比实验综合分析
4.6 移动底盘联合调试性能研究
4.7 本章小结
第五章 总结与展望
5.1 工作总结
5.2 工作展望
参考文献
致谢
硕士期间研究成果
本文编号：3850024
【文章页数】：105 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题研究的背景和意义
1.2 国内外研究现状
1.2.1 射击靶的研究现状
1.2.2 室内外空间定位算法的研究现状
1.3 本文主要研究内容
第二章 智能移动靶图像定位系统的整体研究
2.1 智能移动靶系统设计要求及算法分析
2.1.1 功能需求
2.1.2 图像定位算法分析
2.2 系统硬件选型
2.2.1 工业相机的选型
2.2.2 镜头的选型
2.3 系统总体方案研究
2.3.1 移动平台设计
2.3.2 图像定位系统
2.3.3 信息管理终端系统
2.4 图像定位系统的软件设计
2.4.1 图像定位系统的软件框架
2.4.2 数据通讯模块
2.4.3 设置相机模块
2.4.4 定位预测模块
2.4.5 地图坐标显示模块
2.4.6 移动靶信息采集管理模块
2.5 本章小结
第三章 机器人图像分类算法定位研究
3.1 浅层学习与深度学习
3.1.1 浅层学习
3.1.2 深度学习
3.2 算法研究的前期准备
3.2.1 硬件准备
3.2.2 软件准备
3.3 位置图像采集与预处理
3.3.1 位置图像采集
3.3.2 位置图像预处理
3.4 K最近邻KNN算法图像分类定位研究
3.4.1 K最近邻算法概述
3.4.2 K最近邻算法的实验分析
3.5 支持向量机SVM算法图像分类定位研究
3.5.1 支持向量机算法概述
3.5.2 支持向量机算法的实验分析
3.6 多层感知机MLP算法图像分类定位研究
3.6.1 多层感知机算法概述
3.6.2 多层感知机算法的实验分析
3.7 卷积神经网络CNN算法图像分类定位研究
3.7.1 卷积神经网络概述
3.7.2 卷积神经网络的正向传播
3.7.3 卷积神经网络的反向传播
3.7.4 卷积神经网络的模型结构设计
3.7.5 卷积神经网络的实验分析
3.8 四种分类定位算法结果对比分析
3.9 本章小结
第四章 基于有监督数据增强的迁移学习的动态定位研究
4.1 迁移学习概述
4.2 Inception模型
4.3 单一图像定位的迁移学习实验与结果
4.3.1 单一图像采集与分类
4.3.2 单一图像预处理
4.3.3 单一图像的训练过程及结果
4.3.4 单一图像训练模型的实际测试结果
4.3.5 单一图像模型对动态环境迁移学习定位的总结
4.4 合并图像优化数据后的对比实验与结果
4.4.1 合并图像采集与分类
4.4.2 合并图像预处理
4.4.3 合并图像增强数据后的训练过程及结果
4.4.4 合并图像训练模型的实际测试结果
4.4.5 合并图像模型对动态环境定位的总结
4.5 对比实验综合分析
4.6 移动底盘联合调试性能研究
4.7 本章小结
第五章 总结与展望
5.1 工作总结
5.2 工作展望
参考文献
致谢
硕士期间研究成果
本文编号：3850024
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3850024.html
最近更新
教材专著