[00932749]基于遮挡与尺度不变性的目标检测系统V1.0

目标检测是计算机视觉领域的一项基该任务，旨在通过边界框来定位和识别每个对象实例。随着卷积神经网络在图像识别任务上的日益成功，越来越多的基于卷积神经网络的目标检测方法被提出。这些结构多样的方法在一定程度上提高了目标检测的准确性，其中许多方法实现了在多个基准数据集上的实时性能。然而，图像通常包含遮挡目标和小目标，但目标检测方法对这些目标并不敏感，因此不可避免地限制了目标检测的性能。 该系统的算法基于最有效的Faster R-CNN。该框架通过区域提案可以快速生成目标的候选区域。算法设计了4种不同尺寸的ROIPoolings来解决多标签数据中物体尺寸不一致的问题。另外，算法训练对抗网络来解决遮挡问题。通过多尺度ROI池化将对应卷积神经网络中图片的多尺度特征进行提取。并采用训练好的空间遮挡网络进行联合。使得网络对不同尺度的带有遮挡的物体都具有较好的识别能力。 该系统通过边界框来定位和识别每个对象实例，给定一张图片，能输出图片中每个对象实例的边界框与识别结果。RoIPooling操作是从RoI中提取小特征图(例如，7×7尺寸)的标准操作。首先，RoIPooling将一个浮点数字的RoI量化到特征图的离散粒度，然后将这个量化的RoI划分分多个区间，这些区间本身也进行了量化，最后将每个区间的特征值进行聚合，通常通过最大池化操作。