針對圖像標(biāo)注、目標(biāo)識別等實(shí)際應(yīng)用中圖像的前景目標(biāo)定位不夠準(zhǔn)確的問題,提出了一種圖像中的有效目標(biāo)區(qū)域提取方法。該方法以提取圖像的前景目標(biāo)為目的,將目標(biāo)區(qū)域提取問題轉(zhuǎn)化為二分類問題,實(shí)現(xiàn)了對圖像中有效目標(biāo)區(qū)域的提取,主要包括4個步驟:利用選擇性搜索算法生成圖像中的候選目標(biāo)區(qū)域;通過對像素值的差值化處理來進(jìn)行圖像區(qū)域的特征增強(qiáng);基于深度學(xué)習(xí)實(shí)現(xiàn)對候選目標(biāo)區(qū)域進(jìn)行分類;區(qū)域選擇與融合。在MSCOCO數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),結(jié)果表明,該方法在保證較高召回率的基礎(chǔ)上,達(dá)到了比現(xiàn)有多種算法更加準(zhǔn)確的目標(biāo)區(qū)域定位結(jié)果。 

【文章來源】：西安交通大學(xué)學(xué)報. 2019,53(05)北大核心EICSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

有效目標(biāo)區(qū)域提取框架

增強(qiáng)過程可以看作將目標(biāo)區(qū)域差值化，即ｐ′ｉｊ＝ｐｉｊ－１Ｋ∑Ｋｋ＝１＾ｐｋ（１）式中：ｐｉｊ為區(qū)域中任一像素點(diǎn)的值；ｐ′ｉｊ為特征增強(qiáng)后的像素值；＾ｐｋ為目標(biāo)區(qū)域中的代表性像素點(diǎn)。本文選擇矩形目標(biāo)區(qū)域的水平和豎直兩條中線上的１／４、１／２和３／４位置上共５個像素點(diǎn)作為代表性像素點(diǎn)，即Ｋ＝５，并對于Ｒ、Ｇ、Ｂ這３個通道分別進(jìn)行計(jì)算。在實(shí)際的圖像中，目標(biāo)區(qū)域特征增強(qiáng)前后的對比結(jié)果如圖２所示。由圖２可知，對目標(biāo)區(qū)域進(jìn)行特征增強(qiáng)之后，使得目標(biāo)之間的差異程度更小，同時該操作依舊保留了目標(biāo)的形狀信息，有利于區(qū)分生成的有效目標(biāo)區(qū)域和其他區(qū)域。（ａ）特征增強(qiáng)前（ｂ）特征增強(qiáng)后圖２目標(biāo)區(qū)域特征增強(qiáng)前后比較２．３基于深度網(wǎng)絡(luò)的目標(biāo)區(qū)域檢測本文采用的網(wǎng)絡(luò)結(jié)構(gòu)基于ＶＧＧ－１６深度網(wǎng)絡(luò)［７］，保留了該網(wǎng)絡(luò)的前１３層結(jié)構(gòu)作為提取圖片特征的部分，在此基礎(chǔ)上添加了３個全連接層作為分類網(wǎng)絡(luò)，最終輸出一個２維向量，以此判斷輸入圖像區(qū)域是有效目標(biāo)區(qū)域還是背景區(qū)域（非有效目標(biāo)）。其中對輸入到網(wǎng)絡(luò)中的圖像區(qū)域（ｉｍａｇｅｐａｔｃｈ）要首先進(jìn)行縮放處理，調(diào)整至２２４×２２４大小，其目的是對于不同輸入都可以保證在進(jìn)入到全連接層之前，網(wǎng)絡(luò)所產(chǎn)生的向量長度是一致的。另外，在具體的網(wǎng)絡(luò)結(jié)構(gòu)中，卷積層所使用的激活函數(shù)是ＲｅＬＵ函數(shù)；池化層所采用的池化方式為最大池化；３個全連接層的神經(jīng)元個數(shù)則分別設(shè)置為１０２４、２５６和

訓(xùn)練網(wǎng)絡(luò)，其中涵蓋了所有的８０類目標(biāo)概念，為了保證訓(xùn)練樣本平衡性與學(xué)習(xí)性能，本文基于這些圖像共生成１０萬個正樣本和１０萬個負(fù)樣本用于訓(xùn)練深度網(wǎng)絡(luò)。由于本工作不涉及不同目標(biāo)類別的判別，因此在使用標(biāo)注結(jié)果時，利用了圖像中目標(biāo)的位置信息而忽略了其類別信息。在測試過程中，為了評估本文方法，采用了具有標(biāo)注結(jié)果的驗(yàn)證集。從驗(yàn)證集中選取涵蓋所有的８０類目標(biāo)概念的１０００張圖像來評估最終的實(shí)驗(yàn)結(jié)果。３．２目標(biāo)區(qū)域特征增強(qiáng)的結(jié)果圖３展示了進(jìn)行特征增強(qiáng)前后，目標(biāo)區(qū)域中所有像素值在特征空間中的分布變化，本文隨機(jī)選取了２０個目標(biāo)區(qū)域并對其增強(qiáng)前后像素值的分布在ＲＧＢ空間進(jìn)行了展示，圖３中ｘ、ｙ、ｚ分別表示Ｒ、Ｇ、Ｂ空間。由圖３可知：在特征增強(qiáng)前，目標(biāo)區(qū)域的多樣性導(dǎo)致了像素值分布非常分散；對目標(biāo)區(qū)域進(jìn)行特征增強(qiáng)之后，目標(biāo)區(qū)域在特征空間中的分布更加集中，且分布在原點(diǎn)附近的較小范圍內(nèi)，這對于提高目標(biāo)區(qū)域分類的性能有很大幫助。（ａ）特征增強(qiáng)前（ｂ）特征增強(qiáng)后圖３特征增強(qiáng)前后區(qū)域像素值在空間中的分布３．３目標(biāo)區(qū)域的融合結(jié)果針對深度網(wǎng)絡(luò)輸出的候選目標(biāo)區(qū)域，基于目標(biāo)響應(yīng)方法，將提取結(jié)果進(jìn)行進(jìn)一步融合，得到最終的目標(biāo)區(qū)域，目標(biāo)區(qū)域的融合過程如圖４所示。由圖４可知，通過基于目標(biāo)響應(yīng)的區(qū)域融合過程，最終得到的目標(biāo)區(qū)域不僅保留了網(wǎng)絡(luò)輸出結(jié)果中置信度高的區(qū)域，保證了有效目標(biāo)可以達(dá)到較高的召回率，同時也過濾掉了大量對應(yīng)于同一目標(biāo)的重疊區(qū)域，在一定程度上提


本文編號：3215883