基于搜索区域条件概率CNN的精确目标探测方法

摘要：

针对传统目标探测方法多应用于低定位精度系统的情况,提出一种目标定位探测方法,以增强目标探测系统的定位精确度.确定候选框初始集;计算给定搜索区域的每行每列元素的条件概率,这些概率提供目标边界框位置的有用信息,根据概率情况,分别建立内外模型、边界模型和混合模型以返回感兴趣目标的边界框,实现定位;结合定位模型,利用卷积神经网络对目标进行训练探测.通过对PASCAL VOC和COCO数据集不同IoU阈值情况的实验,结果表明,与传统的方法相比,提出方法具有更高的探测准确率,可应用于高级目标探测系统.同时,利用滑动窗的方法确定候选框初始集,说明提出方法完全独立于传统的边界框回归方法.既简化了初始集的确定过程,同时保持较高的探测准确率.

关键词：目标探测、卷积神经网络、目标定位、条件概率、边界框

所属期刊栏目：53

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61165004;江西省教育厅科学技术研究项目151170

在线出版日期：2017-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：134-140