一种局部特征细粒度目标检测算法制造技术

本发明专利技术公开了一种局部特征细粒度目标检测算法，主要由卷积网络，通道分组网络和局部分组分类网络组成；卷积网络负责特征提取，通道分组网络以卷积层的通道为输入特征，通过对空间相关的通道进行聚类，加权和池化生成多个局部；局部分组网络进一步对图像进行各个单独部件的分类。本发明专利技术的一种多局部特征的卷积神经网络细粒度目标检测算法，无需检测框和局部部件标注即可进行细粒度检测识别，且连带地学习各个局部的区域提议参数和各个局部的特征表示，本方法的局部语义信息是基于图像中具有较强识别能力的多个作用区域。

A Fine-grained Target Detection Algorithms with Local Features

【技术实现步骤摘要】
一种局部特征细粒度目标检测算法
本专利技术涉及目标检测算法，具体涉及一种基于深度学习的多局部特征细粒度目标检测算法。
技术介绍
目前，通过计算机视觉技术的细粒度的分类识别已经引起了广泛的注意。这个任务是非常具有挑战性的，因为细粒度图像检测识别应具备区分度的局部定位以及基于局部的精细特征学习的能力。传统的方法通过构建大型的语料库，依靠人工标注边界框和注释部件来进行局部的特征表示。然而，大量的人工参与使得标注的代价十分昂贵以及部件定义带着过于强烈的主观因素，并不是所有细粒度检测识别任务的最佳选择。卷积神经网络利用类别标签来训练弱监督的局部模型，取得了显著的进展，类别标签对边框和部件标注没有依赖性，可以大大提高细粒度检测的可用性和扩展性。基于卷积神经网络的框架通常由两个独立的步骤组成，一个是通过训练带正负样本的图像块来进行局部定位或者是从预先训练好的特征通道进行定位，另一个是通过选择性地池化或者对映射特征进行密集编码来进行细粒度特征学习。虽然已经取得了一定的成果，但是由于没有明确的局部约束，导致没有很好地利用卷积神经网络局部目标定位和特征学习的能力。在细粒度目标检测识别中，对于在技术背景中本文档来自技高网...

【技术保护点】
1.一种局部特征细粒度目标检测算法，其特征在于，主要由卷积网络，通道分组网络和局部分组分类网络组成；卷积网络负责特征提取，通道分组网络以卷积层的通道为输入特征，通过对空间相关的通道进行聚类，加权和池化生成多个局部；局部分组网络进一步对图像进行各个单独部件的分类；整个检测算法是以完整的图像作为输入，生成若干个细粒度目标提议区域提供给后面的细粒度目标检测分类网络；卷积网络用于提取特征，通道分组网络将空间相关模式的特征进行聚类，并将其加权到邻近区域中出现峰值响应的对应部位映射中；多样化的高响应位置进一步构成了多局部特征的映射，并通过固定大小地裁剪来提取若干个局部的提议；获得了局部特征的提议后，局部分...

【技术特征摘要】
1.一种局部特征细粒度目标检测算法，其特征在于，主要由卷积网络，通道分组网络和局部分组分类网络组成；卷积网络负责特征提取，通道分组网络以卷积层的通道为输入特征，通过对空间相关的通道进行聚类，加权和池化生成多个局部；局部分组网络进一步对图像进行各个单独部件的分类；整个检测算法是以完整的图像作为输入，生成若干个细粒度目标提议区域提供给后面的细粒度目标检测分类网络；卷积网络用于提取特征，通道分组网络将空间相关模式的特征进行聚类，并将其加权到邻近区域中出现峰值响应的对应部位映射中；多样化的高响应位置进一步构成了多局部特征的映射，并通过固定大小地裁剪来提取若干个局部的提议；获得了局部特征的提议后，局部分类网络就会根据基于局部的特征对图像进行进一步的分类，这些特征是从全卷积的映射特征上进行空间的池化而得到的；到该局部更好的细粒度特征。2.根据权利要求1所述的局部特征细粒度目标检测算法，其特征在于，所述局部特征细粒度目标检测算法包括，输入一张图片给提取特征的卷积神经网路，并产生了映射特征，并将映射特征的各个通道展开，在特征通道中设1-12为不同的特征通道，并且每个通道中都有一个峰值响应区域，同时设1，6，11；2，8，12；3，5，10；4，7，9分别代表12个通道中有相近峰值响应的区域，并且通过堆叠全连接层达到聚类效果，把相近的区域归为一类得到多局部特征聚合层，设划分为4类，同类的通道相加，去sigmoid函数归一化生成概率值，等效于生成了四个空间的局部特征映射结果，再将这四个映射结果分别和映射特征进行点乘，得到局部精细化的特征，最后进行分类。3.根据权利要求1所述的局部特征细粒度目标检测算法，其特征在于，所述局部特征细粒度目标检测算法还包括，给定输入图像X首先将图像输入到预训练好的卷积层中，提取基于区域的深度特征；被提取的深度特征表达表示为W*X，其中*表示卷积，池化和激活的一系列操作，W表示为全体参数；这个深度特征表达式的维度为w×h×c，其中w，h，c指宽度，高度和特征通道的数量。4.根据权利要求1所述的局部特征细粒度目标检测算法，其特征在于，所述局部特征细粒度目标检测算法还包括，每个特征通道都能表示为一个位置向量，其元素是所有训练图像实例的峰值响应的坐标，如下：其中是训练集中第i个图像峰值响应的坐标，Ω是训练集中图像的数量；将位置向量作为特征，将不同的通道聚类成N组作为N个局部检测器；生成的第i个组由所有特征通道上的指标函数来表示，该指标函数为：[E{1}，...，E{j}，...，E{c}]其中，E{·}表示每个通道是否属于该组，如果是，该通道位置为1，否则为0；为了保证训练中通道分组操作的最优化，本方法利用通道分组的方法，通过...

【专利技术属性】
技术研发人员：龙飞，胡建国，王国良，招继恩，张海，段绪海，
申请(专利权)人：杰创智能科技股份有限公司，
类型：发明
国别省市：广东,44