基于滑動窗口的弱標記物體檢測方法研究.pdf

1、物體檢測是計算機視覺重要的分支，例如相機的人臉識別、自動駕駛汽車的車輛、行人檢測等，它充斥在現(xiàn)代及未來生活的各方面，輔助人們完成相應(yīng)的認知過程。目前階段，物體檢測任務(wù)普遍依賴全標記數(shù)據(jù)集如ImageNet、PASCAL VOC等，這類數(shù)據(jù)集不僅給出了圖像中物體的類別信息，還詳細標注了物體的位置和大小，方便檢測模型的訓(xùn)練。然而，在計算機視覺相關(guān)領(lǐng)域，絕大部分數(shù)據(jù)集是弱標記的，即只給出圖像中是否存在該類別物體的標注，并不提供物體的位置和大小

2、信息。而且，全標記數(shù)據(jù)集的獲取需要手工標注，隨著數(shù)據(jù)量增大，手工標注圖像中物體的詳細信息會導(dǎo)致極大的時間和金錢代價，因此全標記數(shù)據(jù)集相對于弱標記是一種稀缺資源。
　　鑒于以上原因，本課題旨在于使用弱標記數(shù)據(jù)集完成物體檢測任務(wù)，在輸出圖像中物體類別的同時給出該物體對應(yīng)的位置信息，實現(xiàn)在弱標記數(shù)據(jù)集上物體檢測的目的。
　　本課題使用VOC2012數(shù)據(jù)集進行訓(xùn)練與測試，在訓(xùn)練階段不使用物體級別的標注信息，將訓(xùn)練集當作弱標記數(shù)據(jù)集使

3、用。模型首先在ILSVRC12數(shù)據(jù)集上進行預(yù)訓(xùn)練，使用特征遷移技術(shù)將特征從ILSVRC12遷移到VOC數(shù)據(jù)集上。使用滑動窗口技術(shù)掃描輸入圖像，每個滑動窗口產(chǎn)生一個得分向量，窗口得分越高表示該窗口包含物體的置信度越大，將高得分窗口及其位置輸出，作為對物體及其位置的預(yù)測。
　　本課題定義了滑動窗口檢測的評價標準，分為單目標檢測和多目標檢測兩類，用來描述模型檢測結(jié)果的好壞。在該標準下，本課題實現(xiàn)的WeakNet模型達到了與R-CNN近似