[发明专利]基于弱监督信息的深度学习图像目标映射及定位方法

摘要

本发明提供了一种基于弱监督信息的深度学习图像目标映射及定位方法。该方法包括：使用带有类别标签的图像数据分别训练两个深度卷积神经网络框架，得到分类模型M1和分类模型M2，并获取全局带参可学习池化层参数；使用新的分类模型M2对测试图像进行特征提取，得到特征图，根据特征图通过特征类别映射及阈值法得到初步定位框；使用选择性搜索方法对测试图像进行候选区域提取，使用分类模型M1筛选类别出候选框集合；对初步定位框和候选框进行非极大值抑制处理，得到测试图像最终的目标定位框。本发明引入全局带参可学习池化层，能够学习得到关于目标类别j的更好的特征表达，并通过使用选择性特征类别映射的方式，有效得到图像中目标物体的位置信息。

主权项

1.一种基于弱监督信息的深度学习图像目标映射及定位方法，其特征在于，包括如下步骤：S1，使用人工标注带有类别标签的图像数据训练深度卷积神经网络框架，得到分类模型M1；S2，在所述深度神经网络框架中删去卷积层后所有的全连接层，并加入一个全局带参可学习池化层和最后的分类全连接层，得到新的深度卷积神经网络框架；S3，使用人工标注带有类别信息标签的图像数据训练所述新的深度卷积神经网络框架，得到新的分类模型M2，并获取全局带参可学习池化层参数；S4，对于新输入的测试图像，使用所述新的分类模型M2进行特征提取，得到最后一个卷积层后的特征图，对所述特征图与全局带参可学习池化层参数进行内积后求和、非线性函数激活和列向量相乘后求和操作，得到最终的特征映射图，根据所述最终的特征映射图通过阈值法得到初步定位框；S5，对于所述新输入的测试图像，使用选择性搜索方法进行候选区域提取，再使用所述分类模型M1筛选出类别属于目标物体的置信度大于75％的候选框集合；S6，对所述初步定位框和所述候选框进行非极大值抑制处理，得到所述测试图像最终的目标定位框。