首页 | 本学科首页   官方微博 | 高级检索  
     

基于特征增强和损失优化的弱监督目标检测算法
作者姓名:李冰锋  段鑫鑫  杨艺  费树岷
作者单位:1. 河南理工大学电气工程与自动化学院;2. 河南省煤矿装备智能检测与控制重点实验室;3. 东南大学自动化学院
基金项目:国家自然科学基金项目(61973105);;河南省科技攻关项目(222102210230);;河南理工大学博士基金项目(B2018-33);
摘    要:针对弱监督目标检测中只能检测出图像中最具有辨别性部分和训练过程极易陷入局部最优问题,提出了一种特征增强和损失优化的弱监督目标检测算法。该算法设计了一种高效可选择通道注意力模块,该模块通过关联通道的选择来提高其局部信息的交互能力,以此来扩大最具辨别性的示例目标区域;此外,通过对网络回归损失函数施加针对性的动态权重,使其能够自动弱化回归分支中伪标注边界框不准确性的影响,提高目标定位的精度。在PASCAL VOC 2007及PASCAL VOC 2012数据集上的实验表明,相比其他同类算法,该算法能够有效地提高弱监督目标检测的精度。同时,由于该算法引入的额外训练参数和计算负担几乎可以忽略不计,因此还具有良好的高效性。

关 键 词:弱监督目标检测  多示例学习  高效可选择通道注意力  回归损失  动态优化
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号