[發明專利]一種基于特定類別空間約束的弱監督目標檢測方法

有效

• 申請號: 201711494009.2
• 申請日: 2017-12-31
• 公開（公告）號: CN108062574B
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 紀榮嶸;沈云航
• 申請（專利權）人: 廈門大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廈門南強之路專利事務所(普通合伙) 35200
• 代理人: 馬應森

1.一種基于特定類別空間約束的弱監督目標檢測方法，其特征在于包括以下步驟：

1)在訓練弱監督目標檢測器前，首先使用候選區域提取算法提取所有訓練圖像的候選區域；

2)在訓練弱監督目標檢測器中，提取每一張訓練圖像的特定類別的像素梯度圖，特定類別的像素梯度圖反應像素對特定類別的響應，因此模型使用特定類別的像素梯度圖粗略估計目標物體的形狀和位置；

3)根據目標物體的形狀和位置的粗略估計結果和候選區域的空間位置的重疊程度計算對應候選區域包含目標物體的置信度；

4)把候選區域的置信度引入候選區域分類得分的聚合過程中，最后的聚合結果同時包含候選區域的分類得分和候選區域的空間信息；候選區域的空間約束排除大量的背景噪聲區域，通過學習獲得更準確的模型；

5)在訓練過程中使用多中心正則化保證模型的學習過程更穩定；

6)在測試弱監督目標檢測器中，把圖像以及對應的候選區域輸入模型，模型輸出每個候選區域對于每個類別的預測得分。

2.如權利要求1所述一種基于特定類別空間約束的弱監督目標檢測方法，其特征在于在步驟2)中，所述每一張訓練圖像的特定類別的像素梯度圖估計目標物體的粗略形狀和位置為：

其中，y∈[0，1]^K表示對應圖像的類別預測結果，z^l 表示第l層的特征，z¹就是輸入圖像本身I，矩陣M^k就是一張輸入圖像第k個類別的CPG圖，通過反向傳播算法，進行計算：

3.如權利要求1所述一種基于特定類別空間約束的弱監督目標檢測方法，其特征在于在步驟3)中，所述根據目標物體的形狀和位置的粗略估計結果和候選區域的空間位置的重疊程度計算對應候選區域包含目標物體的置信度，計算每個候選區域的空間密度和上下文區域的空間密度：

通過積分圖，獲得每個候選區域的空間密度和上下文區域的空間密度：

其中，ii表示CPG圖的積分圖，B_r＝{i₁，j₁，i₂，j₂}表示候選區域的坐標，表示對應的上下文區域坐標，最后置信度矩陣為：

4.如權利要求1所述一種基于特定類別空間約束的弱監督目標檢測方法，其特征在于在步驟4)中，所述把候選區域的置信度引入候選區域分類得分的聚合過程中：

其中，表示點對點乘積，S是原來的候選區域得分矩陣，S⁺是置信度為正數的候選區域加權后的得分矩陣，S^-是置信度為負數的候選區域加權后的得分矩陣，向量y⁺和y^-表示使用累加池化最后得到兩個候選區域集合的類別預測結果。

5.如權利要求1所述一種基于特定類別空間約束的弱監督目標檢測方法，其特征在于在步驟5)中，所述在訓練過程中使用多中心正則化為：

C＝{c_km|0≤k＜K,O≤m＜M}

其中，c_km表示第k個類別的第m個特征中心，m^*(I，k)是特征中心選擇函數，L_center是多中心正則化的損失函數。