[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

本發明公開了一種點監督的目標檢測方法，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。本發明公開的點監督的目標檢測方法，無需邊框標注數據，降低了人工成本，提高了物體檢出概率，對于自然場景圖像、醫學圖像等領域的目標檢測具有重要應用價值。

技術領域

本發明屬于點監督學習和計算機視覺技術領域，具體涉及一種點監督的目標檢測方法，通過對帶有點標注的訓練圖像學習實現目標檢測。

背景技術

在卷積神經網絡的助力之下，目標檢測方法性能得到了長足的提升。目前，目標檢測領域最令人矚目的研究成果主要集中于全監督目標檢測領域，即在訓練集圖片中標注圖片的類別，并用邊框的形式將物體的范圍給出，由于模型復雜度高，往往需要大量訓練數據才能實現良好的模型性能和泛化能力。

但是，上述的基于回歸和分類的學習方法并不是最自然的，比如人類在認識一類物體時不需要額外的信息來指示物體的范圍，物體范圍的信息是可以從圖片中挖掘出來的，相比之下，點監督是更加自然的一種監督方式。

此外，一般情況下，帶有大量框標注的圖片的數據集是容易獲取的，但是對于一些圖片標注成本很高的領域，例如在醫療圖像處理和超密集目標檢測等領域，獲取大量框標注的圖片在成本上是難以接受的。其中，對于標注成本高的醫療圖像，通常由專業人士對圖片進行點標注，即對于圖片中的每一個物體，只標注其內部一個像素的類別。

目前，點監督目標檢測領域的研究較少，亟需提供一種點監督的目標檢測方法，以降低人工成本，提高物體檢出概率，促進計算機視覺技術在醫療圖像、智能安防等相關領域的應用。

發明內容

為了克服上述問題，本發明人進行了銳意研究，設計出一種基于點監督的目標檢測方法，該方法將點監督引入弱監督目標檢測方法PCL，對多示例檢測分支和示例分類器精煉分支進行了改進，針對弱監督目標檢測方法存在的過擬合問題，提出了基于點監督的多示例檢測優化方法和基于優化分支反饋的隨機點生成方法；針對弱監督目標檢測方法存在的漏檢測問題，提出了基于點監督的示例分類器精煉方法。該方法無需邊框標注數據，降低了人工成本，提高了物體檢出概率，對于自然場景圖像、醫學圖像等領域的目標檢測具有重要應用價值，從而完成了本發明。

具體來說，本發明的目的在于提供以下方面：

第一方面，提供了一種點監督的目標檢測方法，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。

第二方面，提供了一種計算機可讀存儲介質，其中，所述介質存儲有點監督的目標檢測程序，所述程序被處理器執行時，使得處理器執行所述點監督的目標檢測方法的步驟。

第三方面，提供了一種計算機設備，其中，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，使得處理器執行所述點監督的目標檢測方法的步驟。

本發明所具有的有益效果包括：

(1)本發明提供的點監督的目標檢測方法，無需邊框標注數據，減少了標注的工作量，降低了人工成本；

(2)本發明提出的點監督的目標檢測方法，利用點監督對候選區域進行篩選，促使模型學習區分同類物體的能力，提高了物體檢出概率；