[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

一種基于特定類別空間約束的弱監督目標檢測方法。使用候選區域提取算法提取所有訓練圖像的候選區域；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，粗略估計目標物體的形狀和位置；計算對應候選區域包含目標物體的置信度；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，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背景噪聲區域，獲得更準確的模型；在訓練過程中使用多中心正則化保證模型的學習過程穩定；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。

技術領域

本發明屬于計算機視覺技術領域，尤其是涉及一種基于特定類別空間約束的弱監督目標檢測方法。

背景技術

目標檢測是計算機視覺領域中的一個基礎性的研究課題，主要需要解決圖像里有“什么”和在“哪里”的問題(Papageorgiou,Constantine P.,Michael Oren,and TomasoPoggio. A general framework for object detection.Computer vision,1998.sixthinternational conference on.IEEE,1998.)。近十年來計算機視覺里的目標檢測問題得到極大的研究發展，大量基于深度學習的新方法被提出。在現實世界中，不同類別的物體的視覺差異可能是很小的，而同一類別的不同物體的差異不僅受物體物理屬性變化的影響，還受成像條件變化的影響。例如，花在生物學上是十分多樣的，不同個體間的形狀，顏色和紋理等屬性是千變萬化的。在現實場景中，目標物體往往伴隨出現視覺上類似的背景形勢，或者目標物體只占據整個場景的很小部分，或者目標物體可能被其它物體遮擋，這些各種可能的情景對目標檢測任務構成很大的挑戰。我們知道目標檢測可以分為兩個關鍵的子任務：目標分類和目標定位。前者回答了圖像里有“什么”的問題，后者回答了目標在“哪里”的問題。目標分類任務負責判斷圖像中是否存在特定類別的目標物體，輸出一系列帶分數的標簽表示特定類別的目標物體出現在圖像里的可能性。目標定位任務負責搜索圖像中特定類別的目標物體的位置和大小。目標檢測有著廣泛的實際應用，比如智能視頻監控，增強現實、基于內容的圖像檢索和機器人導航等等。除此之外，目標檢測也是很多高級計算機視覺任務的重要前提，比如：身份識別和驗證、場景分析和理解等等。綜上所述，目標檢測無論是在計算機視覺領域里還是在實際應用中，都具有非常重要的意義。因此在最近的二十年里，眾多科研人員密切關注目標檢測問題并投入大量的精力對其進行研究。而伴隨著強大的深度學習和強勁的硬件平臺發展，近十年來和目標檢測相關的課題和研究不僅有增無減，而且模式多樣化，每年都有最新的研究成果發表，最新的實際應用公布。盡管如此，目前目標檢測算法的性能 (檢測準確率和檢測速度)跟人類相比起來還是相差非常遠。所以說，目標檢測問題沒有被完美的解決，依舊是計算機視覺領域里一個重要的、具有挑戰性的一個研究課題。