深度位敏信息網(wǎng)絡的圖像目標檢測研究.pdf

1、圖像目標檢測是計算機視覺領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。以往機械式的目標檢測算法僅適用于特定條件下特定目標的檢測，且檢測準確性易受干擾，算法通用性差。雖然智能式的目標檢測算法在通用性上取得了較大進步，但該類算法的核心是圖像識別算法，而各類圖像識別算法只針對圖像識別問題，對圖像中目標的平移變換位敏信息不敏感，導致智能式檢測算法對目標的檢測不精確。同時智能式的目標檢測算法在模型訓練階段，易受不平衡數(shù)據(jù)的影響，

2、使得模型檢測準確性降低。
　　本文針對智能式目標檢測算法對目標位敏信息學習不足問題，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)絡的深度位敏網(wǎng)絡結(jié)構，并結(jié)合該網(wǎng)絡結(jié)構特點設計了基于集成學習思想的訓練方式。通過修改深度殘差網(wǎng)絡獲取圖像深層特征，并在其后綴候選區(qū)域提取網(wǎng)絡和組合的不同分割程度的位敏信息網(wǎng)絡，利用候選區(qū)域網(wǎng)絡，Selective Search和Edge Box提取目標候選區(qū)域，然后使用不同分割程度的位敏信息網(wǎng)

3、絡計算目標的位敏特征，使用位敏得分網(wǎng)絡統(tǒng)計每個候選區(qū)域為目標區(qū)域的概率，最終輸出該目標的位置和類別。基于集成學習思想通過共享網(wǎng)絡權重的機制，設置查找困難樣本的閾值不斷更新訓練集，循環(huán)訓練網(wǎng)絡以降低不平衡數(shù)據(jù)的影響，同時提高對困難樣本的識別完成深度位敏網(wǎng)絡的訓練。
　　實驗結(jié)果表明，不同分割程度的位敏信息網(wǎng)絡獲取目標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分割的準確率為66.2％，7*7的準確率為72.13