[发明专利]一种弱监督条件下的共同对象检测方法

摘要

本发明公开了一种弱监督条件下的共同对象检测方法，属于图像处理技术领域。本发明首先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；并对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；然后基于字典对各候选对象区域的特征进行对象特征表示，得到中层特征；对同一类别对象，基于每幅图像候选对象区域的中层特征，对各幅图像进行共同对象定位，得到共同对象区域；再提取每幅图像所述的共同对象区域的特征信息，对字典进行更新；共同对象定位和字典学习交替重复进行，直到达到设定的检测精确度或最大迭代次数M。本发明能基于弱监督力的类别标注信息，经过多次字典更新后实现共同对象检测。

主权项

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：对初始对象区域进行向量化表示，按列构建整体矩阵Y_i，并对整体矩阵Y_i进行低秩分解，即其中符号||·||_*表示核范数，||.||₁表示l₁范数，Y_i表示第i幅图像所对应的整体矩阵Y_i，L_i、E_i分别对应整体矩阵Y_i进行低秩分解后得到的低秩成分L_i及稀疏成分E_i，λ表示平衡分解后的低秩成分与稀疏成分的参数，且其中m、n分别为整体矩阵Y_i的行、列维度；通过矩阵E_i对初始对象区域进行一致性判断，获取包含一致对象的候选对象区域；步骤3：基于字典D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X，即其中D为给定的初始化字典，Y表示候选对象区域的底层特征数据矩阵，λ表示正则化参数；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D进行更新处理，得到新的字典D_C的学习模型为：$\underset{C=1}{\overset{N}{\Σ}}\underset{A_C,D_C,E_C,L_{Y_C},E_{Y_C}}{min}\left|\right|A_C|{|}_1+\mathrm{\α}\·|\left|D_C\right|{|}_{*}+\mathrm{\β}\·\left|\right|E_C|{|}_1+|\left|L_{Y_C}\right|{|}_{*}+\left|\right|E_{Y_C}|{|}_1$且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；步骤6：基于更新后的字典D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。