基于特征學(xué)習(xí)的目標(biāo)檢測與歸類研究.pdf

1、目標(biāo)檢測與歸類是計算機視覺與模式識別領(lǐng)域的熱點，并廣泛應(yīng)用于軍事情報分析，安防監(jiān)控，互聯(lián)網(wǎng)數(shù)據(jù)處理等領(lǐng)域。當(dāng)前，通過統(tǒng)計學(xué)習(xí)手段從圖像中學(xué)習(xí)物體的特征表達，正在成為研究的重要方向。這主要是由于兩個方面的原因:第一，從仿生學(xué)角度，對人腦視神經(jīng)細胞感受野的研究顯示，視覺算法應(yīng)關(guān)注無監(jiān)督的局部特征學(xué)習(xí)，以及將局部特征根據(jù)空間位置組合形成自底向上的高層特征表達的機理。第二，從應(yīng)用層面角度，傳統(tǒng)的人工設(shè)計的特征越來越難以適應(yīng)當(dāng)前復(fù)雜場景、多姿態(tài)、

2、大類內(nèi)差別、海量數(shù)據(jù)等挑戰(zhàn)，而從數(shù)據(jù)集中學(xué)習(xí)得到對分類更有效特征，成為必然趨勢。
　　本文針對不同類型的目標(biāo)，圍繞特征學(xué)習(xí)與特征選擇進行了如下工作:
　　1.針對復(fù)雜場景下紅外小目標(biāo)檢測，通過監(jiān)督學(xué)習(xí)，得到紅外小目標(biāo)在鄰域內(nèi)的灰度分布特征?；谶@些特征，提出級聯(lián)檢測方法，將局部灰度極大值位置通過多級分類器分為目標(biāo)與非目標(biāo)，可以快速進行小目標(biāo)檢測。
　　2.針對空地目標(biāo)檢測，利用局部特征視覺顯著性機理，取類別相關(guān)特征，在

3、特征空間提取視覺顯著性。隨后只需要對顯著性區(qū)進行識別，避免了全局滑窗搜索，提高了檢測算法效率。
　　3.針對過完備局部特征表示與空間歸并產(chǎn)生的高維特征表達，提出采用在線學(xué)習(xí)線性分類器進行特征選擇。將稀疏貝葉斯學(xué)習(xí)與自適應(yīng)約束權(quán)值算法相結(jié)合，得到具有稀疏權(quán)值的線性分類器，用權(quán)值進行特征選擇。本方法可以在普通電腦上快速完成大規(guī)模數(shù)據(jù)集的高維特征選擇。經(jīng)過特征選擇后，單層結(jié)構(gòu)的算法在CIFAR10目標(biāo)歸類數(shù)據(jù)集上的正確率可以和很多深度學(xué)