基于孪生网络结构的单样本图例检测方法

• 作者: 宫法明 王超奇
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 图例检测 孪生网络 数据增强 单样本学习
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 图像处理
• 页码范围: 116-122
• 页数: 7页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2020.12.020

摘要

针对现有深度学习方法训练难、检测慢、训练数据难以获取等问题,在图例检测问题上,提出一种新的解决方法.以高效的卷积神经网络为骨干网络,并根据图例宽高比固定、具有个体独立性等特点,使用一种新的SiameseSSD检测框架进行目标检测.该框架包含了用于特征提取的孪生网络结构子网和用于分类和回归的改良SSD子网.同时利用数据增强技术和特殊的图片配对算法训练模型,通过解决单样本问题、调整网络结构和检测方法以检测大分辨率施工图.该方法在施工图数据集上的实验结果表明,该图例检测方法是一种新的解决单样本学习任务的方法,准确率达到91.3％,检测速度达到61帧/s,相比于其他现有的目标检测方式有一定的优势,几乎能够满足实际工程的工作需求.