[發明專利]基于相似目標的物體檢測遷移方法

有效

• 申請號: 201910012144.1
• 申請日: 2019-01-07
• 公開（公告）號: CN109740676B
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 周雪;徐雨亭;鄒見效;徐紅兵
• 申請（專利權）人: 電子科技大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/82
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 溫利平;陳靚靚

1.一種基于相似目標的物體檢測遷移方法，其特征在于，包括以下步驟：

S1：從現有的存在精確標注的圖像數據集中篩選出待檢測物體的相似目標類別，將其中所包含的圖像作為訓練樣本；相似目標類別的確定方法為：

1)利用現有的包含P類物體的物體分類數據集訓練得到P類物體分類模型，然后隨機選取N張待檢測物體圖像輸入物體分類模型中，得到N個P維輸出向量，每個輸出向量中的第p個元素表示該待檢測物體圖像中的待檢測物體屬于第p類物體的概率，計算N個P維輸出向量的均值向量，將均值向量中的所有元素按降序排列，取前K個元素v_k構成概率集合V＝[v₁,v₂,…,v_K]，k＝1,2,…,K，前K個概率所對應的類別即為與待檢測物體具有視覺相似性的相似目標類別，記其集合為α；

2)利用word2vec編碼器獲取物體分類數據集中P類物體名稱對應的向量以及待檢測物體名稱對應的向量，計算得到待檢測物體名稱對應向量和P類物體名稱對應向量的歐式距離，將P個歐式距離升序排列，取前Q個歐氏距離d_q構成集合D＝[d₁,d₂,…,d_Q]，q＝1,2,…,Q，前Q個歐氏歐式距離所對應的類別即為與待檢測物體具有語義相似性的相似目標類別，記其集合為β；

3)獲取集合α和集合β的并集γ，即集合γ＝α∪β，記其所包含的物體類別數量為G，根據以下公式對每個物體類別的視覺相似性和語義相似性進行加權融合，得到融合相似性S_g：

其中，λ₁、λ₂表示預設的權重，v_g表示待檢測物體與第g個物體類別的視覺相似性，如果第g個物體類別不屬于集合α，則v_g＝0，d_g表示待檢測物體與第g個物體類別的語義相似性，如果第g個物體類別不屬于集合β，則d_g＝+∞；

對G個融合相似性S_g進行降序排列，取前C個融合相似性對應的物體類別構成集合W，然后從現有的存在精確標注的目標檢測數據集中篩選出和集合W中各個類別存在交集的類別，所篩選出的這些類別即為最終的相似目標類別；

S2：構建一個兩階段目標檢測模型，將步驟S1所獲得的訓練樣本作為輸入，每個訓練樣本所標注的目標作為期望輸出，對兩階段目標檢測模型進行訓練，將訓練得到的模型作為相似目標檢測器；

S3：預先獲取若干包含待檢測物體的圖像并對待檢測物體進行精確標注，將其作為訓練樣本對步驟S2得到的相似目標檢測器進行參數精調，得到初步目標檢測器；

S4：預先獲取若干包含待檢測物體的弱標注圖像，弱標注表示標注信息只注明圖像中有沒有待檢測物體，但不含有待檢測目標的具體位置信息，將這些圖像作為訓練樣本通過弱監督學習對步驟S3得到的初步目標檢測器進行進一步訓練，得到最終的目標檢測器，完成檢測器遷移。

2.根據權利要求1所述的物體檢測遷移方法，其特征在于，所述兩階段目標檢測模型采用R-FCN網絡模型。