深度位敏信息網(wǎng)絡(luò)的圖像目標(biāo)檢測研究.pdf

1、圖像目標(biāo)檢測是計(jì)算機(jī)視覺領(lǐng)域中重要的研究課題，是日益增多的各類智能系統(tǒng)中重要的組成部分。以往機(jī)械式的目標(biāo)檢測算法僅適用于特定條件下特定目標(biāo)的檢測，且檢測準(zhǔn)確性易受干擾，算法通用性差。雖然智能式的目標(biāo)檢測算法在通用性上取得了較大進(jìn)步，但該類算法的核心是圖像識(shí)別算法，而各類圖像識(shí)別算法只針對圖像識(shí)別問題，對圖像中目標(biāo)的平移變換位敏信息不敏感，導(dǎo)致智能式檢測算法對目標(biāo)的檢測不精確。同時(shí)智能式的目標(biāo)檢測算法在模型訓(xùn)練階段，易受不平衡數(shù)據(jù)的影響，

2、使得模型檢測準(zhǔn)確性降低。
　　本文針對智能式目標(biāo)檢測算法對目標(biāo)位敏信息學(xué)習(xí)不足問題，以及不平衡數(shù)據(jù)影響問題，提出了組合不同分割程度位敏信息網(wǎng)絡(luò)的深度位敏網(wǎng)絡(luò)結(jié)構(gòu)，并結(jié)合該網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)設(shè)計(jì)了基于集成學(xué)習(xí)思想的訓(xùn)練方式。通過修改深度殘差網(wǎng)絡(luò)獲取圖像深層特征，并在其后綴候選區(qū)域提取網(wǎng)絡(luò)和組合的不同分割程度的位敏信息網(wǎng)絡(luò)，利用候選區(qū)域網(wǎng)絡(luò)，Selective Search和Edge Box提取目標(biāo)候選區(qū)域，然后使用不同分割程度的位敏信息網(wǎng)

3、絡(luò)計(jì)算目標(biāo)的位敏特征，使用位敏得分網(wǎng)絡(luò)統(tǒng)計(jì)每個(gè)候選區(qū)域?yàn)槟繕?biāo)區(qū)域的概率，最終輸出該目標(biāo)的位置和類別?；诩蓪W(xué)習(xí)思想通過共享網(wǎng)絡(luò)權(quán)重的機(jī)制，設(shè)置查找困難樣本的閾值不斷更新訓(xùn)練集，循環(huán)訓(xùn)練網(wǎng)絡(luò)以降低不平衡數(shù)據(jù)的影響，同時(shí)提高對困難樣本的識(shí)別完成深度位敏網(wǎng)絡(luò)的訓(xùn)練。
　　實(shí)驗(yàn)結(jié)果表明，不同分割程度的位敏信息網(wǎng)絡(luò)獲取目標(biāo)位敏的粒度不同使得檢測結(jié)果存在差異，在VOC2007測試集上2*2分割的準(zhǔn)確率為66.2％，7*7的準(zhǔn)確率為72.13