[发明专利]一种基于图像转换的半监督行人检测方法

说明书

本发明公开了一种基于图像转换的半监督行人检测方法，首先在目标场景用少量的标注数据训练一个初始检测器，对目标场景和外部场景的无标注数据作预测，作为伪标注，截取出行人图像。然后用目标场景和外部场景的行人图像训练一个用于图像转换的神经网络，行人的风格和内容被解耦，在保持行人内容一致性的同时，可将外部场景的行人图像转换成目标场景的风格。转换后的行人图像被用于训练一个分类器，进一步筛选出半监督行人检测中的伪标注，得到更高质量的伪标注。伪标注与少量的标注数据一起作为训练数据，训练一个新的行人检测的检测器，提升行人检测的性能，完成行人检测的任务，最终得到更好的行人检测效果。

技术领域

本发明涉及行人检测的技术领域，尤其是指一种基于图像转换的半监督行人检测方法。

背景技术

行人检测是目标检测的一个分支，在自动驾驶，安防领域都有广阔的应用前景。主要内容是将图像中的行人识别并定位出来，如今通过人工智能的方法实现行人检测已经有许多成功的案例，特别是深度学习，或者说神经网络的兴起，进一步提高了行人检测的性能。

在数据量足够的情况下，行人检测的效果往往比较理想。然而，对每个应用场景都标注图像的成本是十分昂贵的，所以在有限的数据下训练一个稳健的行人检测器仍然是一个很大的挑战。由此，半监督行人检测的问题被提出，半监督即数据集只有少量的标注样本，而其他的样本都是无标注的，在此之前的与半监督有关的方法，大部分都是直接使用训练好的模型，在无标注数据上打上伪标注，再用伪标注去重新训练模型。但是在本发明中，考虑了一个更有挑战的情况，就是在目标场景的数据多样性不足时，用无标注的外部场景的作为数据的补充。在自动驾驶的场景中，通过车载摄像头很容易就能够收集到大量未标注的场景图片，结合少量的标注样本，使用半监督机器学习来实现一个高效的行人检测方法。

但是外部场景的无标注数据会存在外部场景和目标场景的域间差异过大的问题。在本发明中设计了一种用于图像转换的神经网络，能将外部场景的数据转换为目标数据，对齐外部场景的数据和目标数据的分布差异，之后再将这些数据用于训练一个分类器，这个分类器负责对伪标注做进一步的筛选，最后得到更精确的伪标注，训练用于行人检测的神经网络。

发明内容

本发明的目的在于缓解目前半监督行人检测中数据量不足的问题，提供了一种基于图像转换的半监督行人检测方法，使用外部场景的无标注数据作为数据扩充，结合目标场景的数据中少量标注和大量无标注数据，一起训练一个用于行人检测的检测器(即神经网络)，最后提升行人检测的性能。

为了实现上述目的，本发明提供的技术方案为：一种基于图像转换的半监督行人检测方法，包括以下步骤：

S1、准备两个不同的数据集，因为不同的数据集之间场景风格不同，所以分别称这两个数据集的场景为外部场景和目标场景，其中目标场景是行人检测的最终测试场景；外部场景中全部为未标注数据，目标场景的数据分为标注数据和无标注数据；用目标场景的标注数据训练一个用于行人检测的神经网络，称该网络为初始检测器P_ini，然后使用初始检测器P_ini对所有的未标注数据做出预测，预测结果作为初始伪标注；这里目标场景的标注数据、目标场景的伪标注数据、外部场景的伪标注数据分别记为对应的行人图像分别记为

S2、将外部场景的数据的场景风格转换成目标场景的风格；和合并成为目标场景上的训练数据，即行人图像x^t，本步骤的目的是在保持行人图像内容不变的情况下，将的场景风格转换成x^t的风格，为此使用外部场景和目标场景的行人图像训练一个用于图像转换的神经网络，通过重构损失函数和生成对抗网络约束神经网络的学习过程，学习完成后该神经网络能够生成具有目标场景风格，但同时又有外部场景行人内容的行人图像；

S3、在步骤S2中得到转换完成的行人图像后，使用这些图像与目标场景的行人图像x^t一起，训练一个同样是神经网络结构的分类器C，用于分类行人与背景；