基于迁移学习的类别级物体识别与检测研究与进展

张雪松 庄严 闫飞 王伟

计算机视觉是一个多学科交叉的领域,主要研究如何从静态图像或者视频流中自动地提取、分析和理解其中的有用信息[1].图像数据可以使用不同类型的传感器采集,其表现形式也是多种多样的,例如不同分辨率的彩色图片、灰度图片、深度图片和三维激光点云等.物体识别与检测属于计算机视觉领域的一个基础性问题,主要任务是在静态图像或视频流中识别及定位出其中感兴趣的物体.物体识别通常要求对于任意给定的图像能够正确地对其中包含物体的语义类别进行类标签预测,而物体检测则还要求将图像中的物体准确地定位出来.而且,物体检测对于定位的精确度要求也不一样,可以用矩形框将图像中的物体框选出来,也可以将物体从图像中分割出来,后者称为像素级物体检测[2].

物体识别可以分为实例级物体识别和类别级物体识别两种主要类型[3].对于实例级物体识别,其主要任务是在图片或视频中找到某个特定的物体,例如在一张含有多个行人的图片中找出航天员杨利伟.实例级物体识别的难度主要在于感兴趣的特定物体通常被其他物体所遮挡,而且其姿态和尺度是变化的.目前,实例级物体识别所采用的方法主要是从图像中提取角点、线、轮廓或者表观特征,然后采用匹配和几何配准等方式和目标物体进行对比,根据匹配程度找出图像中的目标物体[3].到目前……