[发明专利]一种基于域自适应学习的多复杂场景目标检测方法

说明书

本发明公开了一种基于域自适应学习的多复杂场景目标检测方法。首先收集得到通用目标检测图像集、降质场景图像集；之后利用通用目标检测图像集预训练目标检测网络YOLOv3，然后在此基础上嵌入域自适应模块，再利用通用目标检测图像集、降质场景图像集对其重新进行训练，得到最终的多复杂场景目标检测网络；输入待检测目标的图像即可计算出图像中物体的类别以及位置。本发明能够针对多种不同的降质场景进行目标检测，适用性广；能够在确保检测精度的前提下，实时对图像中的目标作出检测；采用了自适应学习的方法，降低了通用图像与多种不同降质场景图像的域间差异，使得目标检测能够同时在多种场景的图像上表现良好。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种基于域自适应学习的多复杂场景目标检测方法。

背景技术

视频监控、无人驾驶、无人机等新兴人工智能应用都基于户外场景。户外场景相比于室内场景更加复杂多变。在雨、雾、雪等恶劣天气、光照变化等典型的户外场景中，均会出现获取的图像能见度降低，模糊，对比度下降等图片质量下降的现象。这会给计算机视觉的图像分类、检测、分割等上游问题带来很大的挑战。

随着深度学习技术的兴起，基于神经网络结构的目标检测技术相比传统的图像处理方法得到了显著的提升。现有的目标检测方法根据是否进行区域推荐可以分为两大类：(1)two-stage的Faster R-CNN，先通过区域推荐网络生成前景物体的候选区域，再对这些区域进行分类预测，通常能够获得更高的检测性能；(2)One-stage的方法有yolo系列、Retina-Net等，不需要进行区域推荐，通过神经网络直接产生物体的分类预测和位置信息，通常具有更快的检测速度。

现有的目标检测方法的高检测性能，大部分建立在物体轮廓清晰、遮挡较少以及照明良好的通用图像数据集，例如PASCAL VOC数据集以及COCO数据集。如果将这些目标检测方法直接应用于实际，就会因为训练数据集与测试数据集分布差异较大，使得检测性能明显下降。

目前的现有技术之一，专利“面向复杂场景的车牌识别方法及装置”，利用YOLOv3检测网络对复杂场景的车牌进行识别。利用神经网络的高检测精度直接得到检测结果。在该方法的基础上，可以通过人工收集或者合成的方法，增加不同场景下的数据，丰富训练集，从而提高目标检测的精度。该方法的缺点是，当前各种恶劣场景下的数据集资料不够丰富，如果要对新的数据进行标注需要花费大量的时间和精力。如果通过合成的方法增加数据，可以在一定程度上提高目标检测的精度，但是合成的图像与真实的图像之间仍然面临分布不一致的问题。

目前的现有技术之二，Li等人在论文“Aod-net:All-in-one dehazing network”中的方法，首先通过图像复原的方法，将降质图像通过神经网络转化为清晰图像，之后再利用现有的目标检测方法对清晰图像进行目标检测。其步骤为：假设有雾图遵循大气光散射模型；输入有雾图到一个轻量级的神经网络AOD-Net中，估计大气光散射模型的参数；根据该参数结合模型求得清晰的无雾图；将无雾图输入到现有的Faster R-CNN网络中进行目标检测。该方法的缺点是将图像复原与目标检测看作两个不同的任务，而在图像复原的方法中使用的是图像质量相关的评价指标，没有对目标检测相关任务进行约束。这可能会导致图像复原的过程中，对目标检测有用的那部分信息丢失，甚至引入错误的信息，使得目标检测效果不增反减。

目前的现有技术之三，Chen等人在论文“Domain Adaptive Faster R-CNN forObject Detection in the Wild”中的方法，通过域自适应学习的方法，旨在解决目标检测中训练数据与真实场景不一致的问题。现有的通用数据集作为源域，现实复杂场景作为目标域，进行迁移学习。在Faster-RCNN的基础上，设计了特征图级别和实例级别的两个域自适应模块，通过域类别分类器和梯度反转层结合的方法，降低了源域和目标域在特征图级别和实例级别的差异。该方法的缺点是仅考虑了在单一场景下的域自适应学习问题，而没有考虑多场景下的目标检测问题。引起图像质量降低的场景有多种，不同场景下数据的分布不同，如果简单的将降质图像归为同一类，容易出现域偏移的现象。