基于滑動(dòng)窗口的弱標(biāo)記物體檢測(cè)方法研究.pdf

1、物體檢測(cè)是計(jì)算機(jī)視覺重要的分支，例如相機(jī)的人臉識(shí)別、自動(dòng)駕駛汽車的車輛、行人檢測(cè)等，它充斥在現(xiàn)代及未來(lái)生活的各方面，輔助人們完成相應(yīng)的認(rèn)知過(guò)程。目前階段，物體檢測(cè)任務(wù)普遍依賴全標(biāo)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(xì)標(biāo)注了物體的位置和大小，方便檢測(cè)模型的訓(xùn)練。然而，在計(jì)算機(jī)視覺相關(guān)領(lǐng)域，絕大部分?jǐn)?shù)據(jù)集是弱標(biāo)記的，即只給出圖像中是否存在該類別物體的標(biāo)注，并不提供物體的位置和大小

2、信息。而且，全標(biāo)記數(shù)據(jù)集的獲取需要手工標(biāo)注，隨著數(shù)據(jù)量增大，手工標(biāo)注圖像中物體的詳細(xì)信息會(huì)導(dǎo)致極大的時(shí)間和金錢代價(jià)，因此全標(biāo)記數(shù)據(jù)集相對(duì)于弱標(biāo)記是一種稀缺資源。
　　鑒于以上原因，本課題旨在于使用弱標(biāo)記數(shù)據(jù)集完成物體檢測(cè)任務(wù)，在輸出圖像中物體類別的同時(shí)給出該物體對(duì)應(yīng)的位置信息，實(shí)現(xiàn)在弱標(biāo)記數(shù)據(jù)集上物體檢測(cè)的目的。
　　本課題使用VOC2012數(shù)據(jù)集進(jìn)行訓(xùn)練與測(cè)試，在訓(xùn)練階段不使用物體級(jí)別的標(biāo)注信息，將訓(xùn)練集當(dāng)作弱標(biāo)記數(shù)據(jù)集使

3、用。模型首先在ILSVRC12數(shù)據(jù)集上進(jìn)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(dòng)窗口技術(shù)掃描輸入圖像，每個(gè)滑動(dòng)窗口產(chǎn)生一個(gè)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(duì)物體及其位置的預(yù)測(cè)。
　　本課題定義了滑動(dòng)窗口檢測(cè)的評(píng)價(jià)標(biāo)準(zhǔn)，分為單目標(biāo)檢測(cè)和多目標(biāo)檢測(cè)兩類，用來(lái)描述模型檢測(cè)結(jié)果的好壞。在該標(biāo)準(zhǔn)下，本課題實(shí)現(xiàn)的WeakNet模型達(dá)到了與R-CNN近似