【技术实现步骤摘要】
本专利技术属于计算机视觉计算领域，具体涉及一种独立性引导的稀疏标注目标检测方法。
技术介绍
1、目标检测是一种在图像或视频中，识别出物体的种类和物体在图片或视频中的位置的计算机视觉技术。与传统的目标识别任务不同，目标检测要求模型能够同时提供网络中多个对象的种类和位置信息，因此对于网络的特征提取能力和定位能力提出了更高的要求。
2、目标检测虽然在众多领域中的确取得了出彩的效果，但是其性能表现并不稳定。大多数对象检测器都在完全标注的数据集中进行训练，然而，当数据集中图像和类别的数量很大时，很难甚至不可能对所有现有的对象实例进行标注。在开放图像数据集openimages dataset v4(oid)中，有包括500个类别总计1400万的对象需要检测。然而，作为一个人工标注的数据集，oid的完整性不可避免地有些问题。据研究，其标注的召回率为43％，这意味着图像中超过一半的物体缺少标注。在工业制造中，数据标注的成本十分巨大，这个问题将被进一步放大，因此在一个标注不完整的数据集上进行目标检测训练成为了必须面对的问题，不同于半监督训练集...
【技术保护点】
1.一种独立性引导的稀疏标注目标检测方法，其特征在于，包括：获取待检测的图像并将其输入到训练好的稀疏标注目标检测模型中，得到目标检测结果；
2.根据权利要求1所述的一种独立性引导的稀疏标注目标检测方法，其特征在于，对稀疏标注图像进行图像独立性分解的过程包括：
3.根据权利要求1所述的一种独立性引导的稀疏标注目标检测方法，其特征在于，所述分支网络包括主干网络和检测头，4个分支网络的主干网络共享网络参数。
4.根据权利要求3所述的一种独立性引导的稀疏标注目标检测方法，其特征在于，所述检测头检测头包括分类分支、回归分支和IOU预测分支，分...
【技术特征摘要】
1.一种独立性引导的稀疏标注目标检测方法，其特征在于，包括：获取待检测的图像并将其输入到训练好的稀疏标注目标检测模型中，得到目标检测结果；
2.根据权利要求1所述的一种独立性引导的稀疏标注目标检测方法，其特征在于，对稀疏标注图像进行图像独立性分解的过程包括：
3.根据权利要求1所述的一种独立性引导的稀疏标注目标检测方法，其特征在于，所述分支网络包括主干网络和检测头，4个分支网络的主干网络共享网络参数。
4.根据权利要求3所述的一种独立性引导的稀疏标注目标检测方法，其特征在于，所述检测头检测头包括分类分支、回归分支和iou预测分支，分类分支和回归分支均包括4个卷积层，iou预测分支从回归分支...
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。