The invention is applicable to the field of deep learning technology, and provides a key point based region recommendation generation method, which comprises the following steps: S1. Two sample sampling of key point set D and generating rectangular box; S2. Establishing positive and negative labels and regression value array of each rectangular box; S3. Grouping rectangular box based on area size and constructing feature set representing positive and negative labels based on group number Square body is called label feature; S4. Feature cube representing regression variable is built based on 4 times of group number, which is called regression feature; S5. Map positive and negative labels of rectangular box to label feature; S6. Map regression value array of rectangular box to regression feature; S7. Substitute label feature and regression feature into known convolution network training to generate regional suggestions. This paper provides a key point based method to generate regional recommendations, which applies the local attributes of the target to regional recommendations, and improves the intelligence and pertinence of regional recommendations.
【技术实现步骤摘要】
一种基于关键点的区域建议生成方法
本专利技术属于深度学
,提供了一种基于关键点的区域建议生成方法。
技术介绍
图像中一般目标的检测是一个复杂问题,其中的一个难点是需要对不同的目标分配一个准确的矩形定位框,如ZhaoweiCaiandNunoVasconcelos,CascadeR-CNN:delvingintohighqualityobjectdetection,IEEEConferenceonComputerVisionandPatternRecognition(CVPR)2018,pp.6154-6162。过去二十年,基于卷积神经网络的方法在目标检测问题上取得了令人瞩目的成绩。通常基于卷积神经网络的目标检测方法可以分为两类:一是基于区域建议的二阶段方法;二是不需要区域建议的一阶段方法。基于区域建议的方法包括FastR-CNN(RossGirshick,FastR-CNN,IEEEInternationalConferenceonComputerVision(ICCV),(2015),pp.1440-1448)、FasterR-CNN(ShaoqingRen,KaimingHe,RossGirshick,andJianSun,FasterR-CNN:Towardsreal-timeobjectdetectionwithregionproposalnetworks,IEEETransactionsonPatternAnalysisAndMachineIntelligence,2017,39:1137-1149)、R-FCN(JifengDai,YiL ...
【技术保护点】
1.一种基于关键点的区域建议生成方法,其特征在于,所述方法具体包括如下步骤:S1、对关键点集D进行二样本抽样并生成矩形框;S2、建立各矩形框的正负标签及回归值数组;S3、基于面积大小对矩形框进行分组,基于组别数来构建表示正负标签的特征立方体,称为标签特征;S4、基于4倍组别数来构建表示回归变量的特征立方体,称为回归特征;S5、将矩形框的正负标签映射到标签特征上;S6、将矩形框的回归值数组映射到回归特征上;S7、将完成相关映射的标签特征和回归特征代入已知的卷积网络训练,生成区域建议。
【技术特征摘要】
1.一种基于关键点的区域建议生成方法,其特征在于,所述方法具体包括如下步骤:S1、对关键点集D进行二样本抽样并生成矩形框;S2、建立各矩形框的正负标签及回归值数组;S3、基于面积大小对矩形框进行分组,基于组别数来构建表示正负标签的特征立方体,称为标签特征;S4、基于4倍组别数来构建表示回归变量的特征立方体,称为回归特征;S5、将矩形框的正负标签映射到标签特征上;S6、将矩形框的回归值数组映射到回归特征上;S7、将完成相关映射的标签特征和回归特征代入已知的卷积网络训练,生成区域建议。2.如权利要求1所述基于关键点的区域建议生成方法,其特征在于,矩形框的构建方法具体如下:在关键点集D中任意抽取两个样本关键点pi和pj,以样本关键点pi和pj作为矩形框对角线上的两端点,来构建矩形框aij。3.如权利要求1所述基于关键点的区域建议生成方法,其特征在于,矩形框的分组方法具体如下:基于面积大小对矩形框进行分组,分成c个组别,其中c=[ln(Smax/16)/ln2]+1,Smax为工作数据集中所有图像的最大尺寸面积。4.如权利要求1所述基于关键点的区域建议生成方法,其特征在于,矩形框的正负标签的建立方法如下:计算矩形框与标注区域的交集与并集的比值;若比值大于设定值,则矩形框的标签设为正标签1,否则矩形框的标签设为负标签0。5.如权利要求1所述基于关键点的区域建议生成方法,其特征在于,矩形框的回归值数组建立方法如下:对于标签为正标签1的矩形框,回归值数组为矩形框与标注区域之间中心点的横坐标差、中心点的纵坐标差、宽度差、高度差所组成的四元数组。6.如权利要求3所述基于...
【专利技术属性】
技术研发人员:丁新涛,汪金宝,卞维新,接标,
申请(专利权)人:安徽师范大学,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。