[发明专利]一种弱监督条件下的共同对象检测方法

权利要求书

1.一种弱监督条件下的共同对象检测方法，其特征在于，包括下列步骤：

步骤1：对输入图像进行对象级检测，获取每幅图像的各初始对象区域；

步骤2：对所述初始对象区域进行筛选处理，得到包含一致对象的候选对象区域；

步骤3：基于字典对各候选对象区域的底层特征进行对象特征的表示，得到其中层特征；

步骤4：在得到每幅图像候选对象区域的中层特征后，对各幅图像中候选区域的特征进行特征相似性搜索，以确定共同对象区域；

步骤5：提取每幅图像的共同对象区域的底层特征，对字典进行更新；

步骤6：基于更新后的字典重复执行步骤3、4和5，直到达到设定的检测精确度或最大迭代次数M。

2.如权利要求1所述的方法，其特征在于，所述步骤2中，筛选处理为：

对所述初始对象区域进行向量化后构建整体矩阵，并通过低秩分解将所述整体矩阵分解为低秩成分和稀疏成分，基于所述稀疏成分对各幅图像的初始对象区域进行筛选。

3.如权利要求2所述的方法，其特征在于，平衡分解所述低秩成分和稀疏成分的参数λ为其中m、n分别为所述整体矩阵的行、列维度。

4.如权利要求2或3所述的方法，其特征在于，所述步骤5中，对字典进行更新处理，得到新的字典D_C的学习模型为：

ΣC=1NminAC,DC,EC,LYC,EYC||AC||1+α·||DC||*+β·||EC||1+||LYC||*+||EYC||1]]>

且YC=KYC+EYC]]>，Y_C＝D_CA_C+E_C

其中，N表示图像集合中总共包含对象类别的数目，表示包含第C类对象的图像中，候选对象区域的底层特征集合，m表示包含第C类对象的图像总数目；A_C表示特征数据Y_C在字典D_C上的表示系数，E_C为通过字典D_C对数据Y_C的重构误差；和分别表示特征数据Y_C的低秩成分和稀疏成分；α、β表示正则化参数，用于平衡目标函数中对应约束项的权重。