[發明專利]一種點監督的目標檢測方法

有效

• 申請號: 202011530158.1
• 申請日: 2020-12-22
• 公開（公告）號: CN112733883B
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 葉齊祥;廖明祥;萬方;焦建彬;韓振軍
• 申請（專利權）人: 中國科學院大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京康思博達知識產權代理事務所(普通合伙) 11426
• 代理人: 潘煒;劉冬梅

1.一種點監督的目標檢測方法，其特征在于，所述方法包括訓練部分和測試部分，

其中，所述訓練部分為利用點標注數據集對神經網絡進行訓練，包括以下步驟：

步驟1，提取訓練圖像的特征圖，獲得候選區域的特征向量；

步驟2，通過檢測網絡獲得每個候選區域對圖像各類別的置信度；

步驟3，篩選候選區域，生成偽標簽；

步驟3包括以下子步驟：

步驟3-1，利用點監督篩選候選區域；

對于所有類別都只有一個物體的圖片，不進行篩選；

對于只有一個類別有多個物體的圖片，刪除包含多個同類物體的候選區域；

對于多個類別有多個物體的圖片，刪除同時包含所有類別物體的候選區域；

步驟3-2，將多示例檢測分支和示例分類器精煉分支分別生成偽標簽；

步驟3-3，生成隨機點；

對圖片中的某一類別物體，記多示例檢測分支檢測輸出的定位框為B⁰，第k級示例分類器優化分支對相應物體檢測輸出的定位框為B^k，在區域((B⁰∪B^k)-B⁰)中生成一個服從均勻分布的隨機點

所述B⁰對應的點監督按照下述步驟獲得：

記B⁰的幾何中心為P⁰，圖片中與B⁰類別相同的點監督為統計同時包含P⁰和的候選區域的數量N_i，記t＝arg max N_i，并認為P⁰和屬于同一個物體，則為B⁰對應的點監督；

步驟3-4，結合隨機點和點監督生成作用于多示例檢測分支的偽標簽；

步驟3-4包括以下步驟：

步驟i，生成偽標簽的候選區域群中心；

在同時包含P⁰和P^c的候選區域中，選擇在多示例檢測分支中置信度最高的候選區域作為候選區域群中心；或者

在同時包含P⁰和的候選區域中，選擇在多示例檢測分支中置信度最高的候選區域作為候選區域群中心；

步驟ii，生成偽標簽的候選區域群。

2.根據權利要求1所述的點監督的目標檢測方法，其特征在于，步驟1中，利用卷積神經網絡基網對訓練圖像提取特征圖。

3.根據權利要求2所述的點監督的目標檢測方法，其特征在于，通過感興趣區域池化獲得每個候選區域的特征向量。

4.根據權利要求1所述的點監督的目標檢測方法，其特征在于，步驟2中，所述檢測網絡包括一級多示例檢測分支和多級的示例分類器精煉分支。

5.根據權利要求1所述的點監督的目標檢測方法，其特征在于，步驟3-2中，在多示例檢測分支生成偽標簽時，對于圖片中的每個類別，選擇置信度最大的候選區域作為候選區域群中心。

6.根據權利要求5所述的點監督的目標檢測方法，其特征在于，在剩余的候選區域中，將與候選區域群中心交并比大于0.5的候選區域標記為正例，

將與候選區域群中心交并比大于0.1、小于等于0.5的候選區域標記為反例。

7.根據權利要求1所述的點監督的目標檢測方法，其特征在于，所述訓練部分還包括對檢測網絡的網絡參數進行更新的步驟。

8.根據權利要求7所述的點監督的目標檢測方法，其特征在于，所述更新包括計算各分支的損失函數及梯度，對網絡進行誤差梯度反傳，更新網絡參數。

9.一種計算機可讀存儲介質，其特征在于，存儲有點監督的目標檢測程序，所述程序被處理器執行時，使得處理器執行權利要求1至8之一所述點監督的目標檢測方法的步驟。

10.一種計算機設備，其特征在于，所述設備包括存儲器和處理器，所述存儲器存儲有點監督的目標檢測程序，所述程序被處理器執行時，使得處理器執行權利要求1至8之一所述點監督的目標檢測方法的步驟。