[发明专利]一种基于特定类别空间约束的弱监督目标检测方法

说明书

一种基于特定类别空间约束的弱监督目标检测方法。使用候选区域提取算法提取所有训练图像的候选区域；在训练弱监督目标检测器中，提取每一张训练图像的特定类别的像素梯度图，特定类别的像素梯度图反应像素对特定类别的响应，粗略估计目标物体的形状和位置；计算对应候选区域包含目标物体的置信度；把候选区域的置信度引入候选区域分类得分的聚合过程中，包含候选区域的分类得分和候选区域的空间信息；候选区域的空间约束排除背景噪声区域，获得更准确的模型；在训练过程中使用多中心正则化保证模型的学习过程稳定；在测试弱监督目标检测器中，把图像以及对应的候选区域输入模型，模型输出每个候选区域对于每个类别的预测得分。

技术领域

本发明属于计算机视觉技术领域，尤其是涉及一种基于特定类别空间约束的弱监督目标检测方法。

背景技术

目标检测是计算机视觉领域中的一个基础性的研究课题，主要需要解决图像里有“什么”和在“哪里”的问题(Papageorgiou,Constantine P.,Michael Oren,and TomasoPoggio. A general framework for object detection.Computer vision,1998.sixthinternational conference on.IEEE,1998.)。近十年来计算机视觉里的目标检测问题得到极大的研究发展，大量基于深度学习的新方法被提出。在现实世界中，不同类别的物体的视觉差异可能是很小的，而同一类别的不同物体的差异不仅受物体物理属性变化的影响，还受成像条件变化的影响。例如，花在生物学上是十分多样的，不同个体间的形状，颜色和纹理等属性是千变万化的。在现实场景中，目标物体往往伴随出现视觉上类似的背景形势，或者目标物体只占据整个场景的很小部分，或者目标物体可能被其它物体遮挡，这些各种可能的情景对目标检测任务构成很大的挑战。我们知道目标检测可以分为两个关键的子任务：目标分类和目标定位。前者回答了图像里有“什么”的问题，后者回答了目标在“哪里”的问题。目标分类任务负责判断图像中是否存在特定类别的目标物体，输出一系列带分数的标签表示特定类别的目标物体出现在图像里的可能性。目标定位任务负责搜索图像中特定类别的目标物体的位置和大小。目标检测有着广泛的实际应用，比如智能视频监控，增强现实、基于内容的图像检索和机器人导航等等。除此之外，目标检测也是很多高级计算机视觉任务的重要前提，比如：身份识别和验证、场景分析和理解等等。综上所述，目标检测无论是在计算机视觉领域里还是在实际应用中，都具有非常重要的意义。因此在最近的二十年里，众多科研人员密切关注目标检测问题并投入大量的精力对其进行研究。而伴随着强大的深度学习和强劲的硬件平台发展，近十年来和目标检测相关的课题和研究不仅有增无减，而且模式多样化，每年都有最新的研究成果发表，最新的实际应用公布。尽管如此，目前目标检测算法的性能 (检测准确率和检测速度)跟人类相比起来还是相差非常远。所以说，目标检测问题没有被完美的解决，依旧是计算机视觉领域里一个重要的、具有挑战性的一个研究课题。