似物性窗口融合方法比较研究.pdf

《似物性窗口融合方法比较研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第42卷第2期广西大学学报(自然科学版)Vol．42No．22017年4月JournalofGuangxiUniversity(NatSciEd)Apr．2017doi:10.13624/j.cnki.issn.1001-7445.2017.0736似物性窗口融合方法比较研究李金东，陈舒涵，胡学龙(扬州大学信息工程学院，江苏扬州225127)摘要:为研究似物性采样窗口融合方法对定位精度、召回率、采样候选窗口数量的影响，对采样后的窗口进行线性加权、非线性加权、密集区域融合。通过在PASCALVOC2007测试数据

2、集上实验，绘出召回率—交并比、召回率—采样数、平均召回率评价曲线。研究结果表明:融合后可以显著降低窗口数量，同时保持较高的定位精度，在准确的似物性得分帮助下，似物性加权表现更优。关键词:似物性采样;窗口融合;似物性加权;目标检测中图分类号:TP37文献标识码:A文章编号:1001-7445(2017)02-0736-06AcomparativestudyofboxaggregationmethodsforobjectnessproposalsLIJin-dong，CHENShu-han，HUXue-long(C

3、ollegeofInformationEngineering，YangzhouUniversity，Yangzhou225127，China)Abstract:Inordertostudytheeffectofboxaggregationforobjectproposalsonthepositioninglocationaccuracy，recall，aswellascandidateboundingboxes，afewboxaggregationapproachesincludinglinearweighti

4、ng，nonlinearweightingandintensiveregionalmergingarestudied．TheexperimentsonPASCALVOC2007datasethavebeenconductedforevaluatingthequalityofobjectproposals，includingrecall-IoU，recall-proposal，andaveragerecallcurve．Theexperimentalresultsshowthatboxaggregationcan

5、reducethenumberofcandidateboundingboxes，whilemaintainingahighlocationaccuracy，andobjectness-weightingaggregationgetsmorefavorableperformancewiththehelpofaccurateobjectnessscore．Keywords:objectproposals;boxaggregation;objectnessweight;objectdetection0引言最近几年，目

6、标检测已经取得了显著的进步。大多数成功的目标检测方法以及其拓展方法(如收稿日期:2016-11-25;修订日期:2016-12-30基金项目:江苏省自然科学基金资助项目(15KJB510032)通信作者:胡学龙(1960—)，男，江苏泰州人，扬州大学教授;E-mail:huxuelong@126．com。引文格式:李金东，陈舒涵，胡学龙.似物性窗口融合方法比较研究［J］．广西大学学报(自然科学版)，2017，42(2):736-741．第2期李金东等:似物性窗口融合方法比较研究737［1］［2］［3］Ｒ-CNN

7、，FastＲ-CNN，FasterＲ-CNN)都利用了新兴的似物性采样技术:选择合理数量的目标外界矩形框覆盖一幅图像中所有的目标。似物性采样和滑动窗口方法相比不仅可以显著降低采样窗口的数量，还可以采用更加复杂的机器学习方法来提升后续目标检测及识别的性能。因此，似物性采样技术得［4-7］［8-10］到了非常广泛的应用，比如目标分割，目标探索。［11］［12］［13］现有的似物性采样方法可以大致分为两类:一类是采用滑动窗口的方式(如BING，EB);［14］［15］［16］另一类是采用超像素聚合的方式(如SS，MC

8、G，CADM)。第一类能够快速地产生似物性采样窗口，但是定位精度较差。第二类能够产生相对高精度的似物性采样窗口，但是需要较大的计算开销。为了减少采样窗口数量，可以给每一个采样窗口估计一个似物性得分，然后根据得分高低排序输出得分最高的那些窗口。为了估计似物性得分，文献［13］通过被整个包含在采样窗口内的边缘进行估算，而在文献［16］中则通过计算窗口内最外部的边缘响应来获得。而在文献［17