[发明专利]一种点监督的目标检测方法

权利要求书

1.一种点监督的目标检测方法，其特征在于，所述方法包括训练部分和测试部分，

其中，所述训练部分为利用点标注数据集对神经网络进行训练，包括以下步骤：

步骤1，提取训练图像的特征图，获得候选区域的特征向量；

步骤2，通过检测网络获得每个候选区域对图像各类别的置信度；

步骤3，筛选候选区域，生成伪标签；

步骤3包括以下子步骤：

步骤3-1，利用点监督筛选候选区域；

对于所有类别都只有一个物体的图片，不进行筛选；

对于只有一个类别有多个物体的图片，删除包含多个同类物体的候选区域；

对于多个类别有多个物体的图片，删除同时包含所有类别物体的候选区域；

步骤3-2，将多示例检测分支和示例分类器精炼分支分别生成伪标签；

步骤3-3，生成随机点；

对图片中的某一类别物体，记多示例检测分支检测输出的定位框为B⁰，第k级示例分类器优化分支对相应物体检测输出的定位框为B^k，在区域((B⁰∪B^k)-B⁰)中生成一个服从均匀分布的随机点

所述B⁰对应的点监督按照下述步骤获得：

记B⁰的几何中心为P⁰，图片中与B⁰类别相同的点监督为统计同时包含P⁰和的候选区域的数量N_i，记t＝arg max N_i，并认为P⁰和属于同一个物体，则为B⁰对应的点监督；

步骤3-4，结合随机点和点监督生成作用于多示例检测分支的伪标签；

步骤3-4包括以下步骤：

步骤i，生成伪标签的候选区域群中心；

在同时包含P⁰和P^c的候选区域中，选择在多示例检测分支中置信度最高的候选区域作为候选区域群中心；或者

在同时包含P⁰和的候选区域中，选择在多示例检测分支中置信度最高的候选区域作为候选区域群中心；

步骤ii，生成伪标签的候选区域群。

2.根据权利要求1所述的点监督的目标检测方法，其特征在于，步骤1中，利用卷积神经网络基网对训练图像提取特征图。

3.根据权利要求2所述的点监督的目标检测方法，其特征在于，通过感兴趣区域池化获得每个候选区域的特征向量。

4.根据权利要求1所述的点监督的目标检测方法，其特征在于，步骤2中，所述检测网络包括一级多示例检测分支和多级的示例分类器精炼分支。

5.根据权利要求1所述的点监督的目标检测方法，其特征在于，步骤3-2中，在多示例检测分支生成伪标签时，对于图片中的每个类别，选择置信度最大的候选区域作为候选区域群中心。

6.根据权利要求5所述的点监督的目标检测方法，其特征在于，在剩余的候选区域中，将与候选区域群中心交并比大于0.5的候选区域标记为正例，

将与候选区域群中心交并比大于0.1、小于等于0.5的候选区域标记为反例。

7.根据权利要求1所述的点监督的目标检测方法，其特征在于，所述训练部分还包括对检测网络的网络参数进行更新的步骤。

8.根据权利要求7所述的点监督的目标检测方法，其特征在于，所述更新包括计算各分支的损失函数及梯度，对网络进行误差梯度反传，更新网络参数。

9.一种计算机可读存储介质，其特征在于，存储有点监督的目标检测程序，所述程序被处理器执行时，使得处理器执行权利要求1至8之一所述点监督的目标检测方法的步骤。

10.一种计算机设备，其特征在于，所述设备包括存储器和处理器，所述存储器存储有点监督的目标检测程序，所述程序被处理器执行时，使得处理器执行权利要求1至8之一所述点监督的目标检测方法的步骤。