視頻是人們日常生活、工業生產以及安防領域的重要信息來源,視頻結構化是計算機視覺的重要研究領域之一。視頻結構化技術,就是打破視頻文件的空間與時間維度,將關鍵信息提取出來進行扁平化展示的技術;視頻結構化的過程,就是跨時間維度提取關鍵信息并歸類的過程。在嵌入式環境下實現初級的視頻結構化功能,可以在視頻采集端對視頻進行分析,篩選掉視頻中無分析價值的時段與內容,并將篩選出的關鍵信息回傳至后端服務器,與傳送原視頻相比,可以大大減少占用的網絡帶寬以及減輕后端服務器的運算與存儲壓力。近年來,隨著深度學習技術的迅猛發展,一大批基于深度卷積神經網絡的圖像識別、目標檢測、軌跡跟蹤、人臉識別等算法被提出,在檢測速度與準確率上相較于傳統的圖像處理算法有著巨大提升。同樣,隨著嵌入式設備與卷積神經網絡加速設備的快速發展,人們可以將在GPU(計算機圖形處理器Graphics Processing Unit,GPU)上訓練出的大型深度卷積神經網絡部署在低功耗嵌入式設備上,這使得在嵌入式平臺上部署視頻結構化系統成為了可能。本文首先分析了本系統所涉及深度學習相關基礎理論以及卷積神經網絡的構成,通過對比分析Alexnet、V...

【文章頁數】：67 頁

【學位級別】：碩士

【部分圖文】：

圖２－１多層感知機?

山東大學碩士學位論文??神經網絡的概念在上個世紀五六十年代就已經被提出，又被稱為感知機。祌??經網絡的初始結構十分簡單，包括輸入層（Ｉ叩ｕｔ?ｌａｙｅｒ）、輸出層（Ｏｕｔｐｕｔ?ｌａｙｅｒ）和??一個隱含層（Ｈｉｄｄｅｎｌａｙｅｒ），它的結構過于簡單，并沒有復雜函數的擬合能力。隨....

圖２－２卷積運算原理示意圖??

山東大學碩士學位論文??神經網絡的概念在上個世紀五六十年代就已經被提出，又被稱為感知機。祌??經網絡的初始結構十分簡單，包括輸入層（Ｉ叩ｕｔ?ｌａｙｅｒ）、輸出層（Ｏｕｔｐｕｔ?ｌａｙｅｒ）和??一個隱含層（Ｈｉｄｄｅｎｌａｙｅｒ），它的結構過于簡單，并沒有復雜函數的擬合能力。隨....

圖２－３卷積層原理??

山東大學碩士學業論文??經網絡在圖像處理相關的問題時大受歡迎。??（１）輸入層功能??數字圖像在數學上可以解釋為多維矩陣。深度學習框架在訓練卷積神經網絡??時，也是以多維矩陣的形式來處理數據的。輸入層（ｉｎｐｕｔｌａｙｅｒ）往往位于卷積神??經網絡的第一層。在輸入為圖像時，輸入層....

圖２－４最大池化與平均池化原理??（４）激活函數層??

山東大學碩士學位論文??若輸入尺寸為ｉｎｐｕｔ＿ｓｉｚｅ，卷積核尺寸為ｋｅｍｅｌ＿ｓｉｚｅ，步長為ｓｔｒｉｄｅ，則卷積層??的輸出大小可表不為公式２－１：??ｏｕｔｐｕｔ?Ｓｉｚｅ?＝?＾?ｋｅｒｎｅｌ?ｓｉＺｅ＋２Ｖａａｉｎｇ＋１?⑴）??ｓｔｒｉｄｅ??在訓練完成后，濾波器中....

本文編號：4004675