面向图像的有效目标区域提取方法
发布时间：2021-06-07 04:40
针对图像标注、目标识别等实际应用中图像的前景目标定位不够准确的问题,提出了一种图像中的有效目标区域提取方法。该方法以提取图像的前景目标为目的,将目标区域提取问题转化为二分类问题,实现了对图像中有效目标区域的提取,主要包括4个步骤:利用选择性搜索算法生成图像中的候选目标区域;通过对像素值的差值化处理来进行图像区域的特征增强;基于深度学习实现对候选目标区域进行分类;区域选择与融合。在MSCOCO数据集上进行实验,结果表明,该方法在保证较高召回率的基础上,达到了比现有多种算法更加准确的目标区域定位结果。
【文章来源】：西安交通大学学报. 2019,53(05)北大核心EICSCD
【文章页数】：6 页
【部分图文】：
有效目标区域提取框架
增强过程可以看作将目标区域差值化，即ｐ′ｉｊ＝ｐｉｊ－１Ｋ∑Ｋｋ＝１＾ｐｋ（１）式中：ｐｉｊ为区域中任一像素点的值；ｐ′ｉｊ为特征增强后的像素值；＾ｐｋ为目标区域中的代表性像素点。本文选择矩形目标区域的水平和竖直两条中线上的１／４、１／２和３／４位置上共５个像素点作为代表性像素点，即Ｋ＝５，并对于Ｒ、Ｇ、Ｂ这３个通道分别进行计算。在实际的图像中，目标区域特征增强前后的对比结果如图２所示。由图２可知，对目标区域进行特征增强之后，使得目标之间的差异程度更小，同时该操作依旧保留了目标的形状信息，有利于区分生成的有效目标区域和其他区域。（ａ）特征增强前（ｂ）特征增强后图２目标区域特征增强前后比较２．３基于深度网络的目标区域检测本文采用的网络结构基于ＶＧＧ－１６深度网络［７］，保留了该网络的前１３层结构作为提取图片特征的部分，在此基础上添加了３个全连接层作为分类网络，最终输出一个２维向量，以此判断输入图像区域是有效目标区域还是背景区域（非有效目标）。其中对输入到网络中的图像区域（ｉｍａｇｅｐａｔｃｈ）要首先进行缩放处理，调整至２２４×２２４大小，其目的是对于不同输入都可以保证在进入到全连接层之前，网络所产生的向量长度是一致的。另外，在具体的网络结构中，卷积层所使用的激活函数是ＲｅＬＵ函数；池化层所采用的池化方式为最大池化；３个全连接层的神经元个数则分别设置为１０２４、２５６和
训练网络，其中涵盖了所有的８０类目标概念，为了保证训练样本平衡性与学习性能，本文基于这些图像共生成１０万个正样本和１０万个负样本用于训练深度网络。由于本工作不涉及不同目标类别的判别，因此在使用标注结果时，利用了图像中目标的位置信息而忽略了其类别信息。在测试过程中，为了评估本文方法，采用了具有标注结果的验证集。从验证集中选取涵盖所有的８０类目标概念的１０００张图像来评估最终的实验结果。３．２目标区域特征增强的结果图３展示了进行特征增强前后，目标区域中所有像素值在特征空间中的分布变化，本文随机选取了２０个目标区域并对其增强前后像素值的分布在ＲＧＢ空间进行了展示，图３中ｘ、ｙ、ｚ分别表示Ｒ、Ｇ、Ｂ空间。由图３可知：在特征增强前，目标区域的多样性导致了像素值分布非常分散；对目标区域进行特征增强之后，目标区域在特征空间中的分布更加集中，且分布在原点附近的较小范围内，这对于提高目标区域分类的性能有很大帮助。（ａ）特征增强前（ｂ）特征增强后图３特征增强前后区域像素值在空间中的分布３．３目标区域的融合结果针对深度网络输出的候选目标区域，基于目标响应方法，将提取结果进行进一步融合，得到最终的目标区域，目标区域的融合过程如图４所示。由图４可知，通过基于目标响应的区域融合过程，最终得到的目标区域不仅保留了网络输出结果中置信度高的区域，保证了有效目标可以达到较高的召回率，同时也过滤掉了大量对应于同一目标的重叠区域，在一定程度上提
本文编号：3215883
【文章来源】：西安交通大学学报. 2019,53(05)北大核心EICSCD
【文章页数】：6 页
【部分图文】：
有效目标区域提取框架
增强过程可以看作将目标区域差值化，即ｐ′ｉｊ＝ｐｉｊ－１Ｋ∑Ｋｋ＝１＾ｐｋ（１）式中：ｐｉｊ为区域中任一像素点的值；ｐ′ｉｊ为特征增强后的像素值；＾ｐｋ为目标区域中的代表性像素点。本文选择矩形目标区域的水平和竖直两条中线上的１／４、１／２和３／４位置上共５个像素点作为代表性像素点，即Ｋ＝５，并对于Ｒ、Ｇ、Ｂ这３个通道分别进行计算。在实际的图像中，目标区域特征增强前后的对比结果如图２所示。由图２可知，对目标区域进行特征增强之后，使得目标之间的差异程度更小，同时该操作依旧保留了目标的形状信息，有利于区分生成的有效目标区域和其他区域。（ａ）特征增强前（ｂ）特征增强后图２目标区域特征增强前后比较２．３基于深度网络的目标区域检测本文采用的网络结构基于ＶＧＧ－１６深度网络［７］，保留了该网络的前１３层结构作为提取图片特征的部分，在此基础上添加了３个全连接层作为分类网络，最终输出一个２维向量，以此判断输入图像区域是有效目标区域还是背景区域（非有效目标）。其中对输入到网络中的图像区域（ｉｍａｇｅｐａｔｃｈ）要首先进行缩放处理，调整至２２４×２２４大小，其目的是对于不同输入都可以保证在进入到全连接层之前，网络所产生的向量长度是一致的。另外，在具体的网络结构中，卷积层所使用的激活函数是ＲｅＬＵ函数；池化层所采用的池化方式为最大池化；３个全连接层的神经元个数则分别设置为１０２４、２５６和
训练网络，其中涵盖了所有的８０类目标概念，为了保证训练样本平衡性与学习性能，本文基于这些图像共生成１０万个正样本和１０万个负样本用于训练深度网络。由于本工作不涉及不同目标类别的判别，因此在使用标注结果时，利用了图像中目标的位置信息而忽略了其类别信息。在测试过程中，为了评估本文方法，采用了具有标注结果的验证集。从验证集中选取涵盖所有的８０类目标概念的１０００张图像来评估最终的实验结果。３．２目标区域特征增强的结果图３展示了进行特征增强前后，目标区域中所有像素值在特征空间中的分布变化，本文随机选取了２０个目标区域并对其增强前后像素值的分布在ＲＧＢ空间进行了展示，图３中ｘ、ｙ、ｚ分别表示Ｒ、Ｇ、Ｂ空间。由图３可知：在特征增强前，目标区域的多样性导致了像素值分布非常分散；对目标区域进行特征增强之后，目标区域在特征空间中的分布更加集中，且分布在原点附近的较小范围内，这对于提高目标区域分类的性能有很大帮助。（ａ）特征增强前（ｂ）特征增强后图３特征增强前后区域像素值在空间中的分布３．３目标区域的融合结果针对深度网络输出的候选目标区域，基于目标响应方法，将提取结果进行进一步融合，得到最终的目标区域，目标区域的融合过程如图４所示。由图４可知，通过基于目标响应的区域融合过程，最终得到的目标区域不仅保留了网络输出结果中置信度高的区域，保证了有效目标可以达到较高的召回率，同时也过滤掉了大量对应于同一目标的重叠区域，在一定程度上提
本文编号：3215883
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3215883.html
