基于显著图的弱监督实时目标检测

• 作者: 刘国军 刘扬 刘晓燕 李阳 王春宇 王璞 郭茂祖
• 来源期刊: 自动化学报
• 关键词: 弱监督 实时目标检测 显著图 伪标注 深度卷积神经网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 论文与报告
• 页码范围: 242-255
• 页数: 14页
• 字数: 11513字
• 语种: 中文
• DOI: 10.16383/j.aas.c180789

摘要

深度卷积神经网络(Deep convolutional neural network,DCNN)在目标检测任务上使用目标的全标注来训练网络参数,其检测准确率也得到了大幅度的提升.然而,获取目标的边界框(Bounding-box)标注是一项耗时且代价高的工作.此外,目标检测的实时性是制约其实用性的另一个重要问题.为了克服这两个问题,本文提出一种基于图像级标注的弱监督实时目标检测方法.该方法分为三个子模块:1)首先应用分类网络和反向传递过程生成类别显著图,该显著图提供了目标在图像中的位置信息;2)根据类别显著图生成目标的伪标注(Pseudo-bounding-box);3)最后将伪标注看作真实标注并优化实时目标检测网络的参数.不同于其他弱监督目标检测方法,本文方法无需目标候选集合获取过程,并且对于测试图像仅通过网络的前向传递过程就可以获取检测结果,因此极大地加快了检测的速率(实时性).此外,该方法简单易用;针对未知类别的目标检测,只需要训练目标类别的分类网络和检测网络.因此本框架具有较强的泛化能力,为解决弱监督实时检测问题提供了新的研究思路.在PASCAL VOC 2007数据集上的实验表明:1)本文方法在检测的准确率上取得了较好的提升;2)实现了弱监督条件下的实时检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘晓燕	哈尔滨工业大学计算机科学与技术学院	35	237	8.0	14.0
2	李阳	哈尔滨工业大学计算机科学与技术学院	36	515	9.0	22.0
3	刘扬	哈尔滨工业大学计算机科学与技术学院	45	333	10.0	17.0
4	王春宇	哈尔滨工业大学计算机科学与技术学院	12	28	3.0	4.0
5	刘国军	哈尔滨工业大学计算机科学与技术学院	13	105	4.0	10.0
6	王璞	哈尔滨工业大学计算机科学与技术学院	9	54	4.0	7.0