基于卷积神经网络的候选区域优化算法

论文摘要

在目标检测中,通常使用候选区域提高目标的检测效率。为解决当前候选区域质量较低的问题,本文将卷积边缘特征、显著性及目标位置信息引入到候选区域算法中。首先,利用卷积神经网络将待检测图像生成更富有语义信息的边缘特征,并通过边缘点聚合及边缘组相似性策略,获取每个滑动窗口的边缘信息得分;其次,利用显著性目标的局部特征,统计每个滑动窗口中的目标显著性得分;第三,根据目标可能出现的位置,计算每个滑动窗口中的目标位置信息得分;最后,利用边缘信息、显著性及位置信息的分数确定候选区域。在PASCAL VOC 2007验证集上进行实验,给定10 000个候选区域,交并比取0. 7时,所提算法的召回率为90. 50%,较Edge Boxes算法提高了3%。每张图像的运行时间大约为0. 76 s。结果表明,本文算法可快速产生较高质量的候选区域。

论文目录

• 1 引言
• 2 卷积边缘特征与目标显著性
•   2.1 卷积边缘特征
•   2.2 显著性得分
•   2.3 位置信息得分
•   2.4 筛选候选框
• 3 数据分析与性能比较
•   3.1 数据库选取及性能评价指标
•   3.2 RCF网络训练
•   3.3 参数确定
•   3.4 数据分析与性能比较
•   3.5 图像中不同位置目标的召回率
•   3.6 图像窗口的宽高比对实验结果的影响
•   3.7 所提算法的目标检测结果
• 4 结论

文章来源

类型: 期刊论文

作者: 王春哲,安军社,姜秀杰,邢笑雪

关键词: 计算机视觉,目标检测,候选区域,卷积神经网络,显著性目标

来源: 中国光学 2019年06期

年度: 2019

分类: 基础科学,信息科技

专业: 计算机软件及计算机应用,自动化技术

单位: 中国科学院国家空间科学中心复杂航天系统电子信息技术重点实验室,中国科学院大学,长春大学

基金: 国家自然科学基金(No.61805021)~~

分类号: TP391.41;TP183

页码: 1348-1361

总页数: 14

文件大小: 3688K

下载量: 83