基于深度学习的小目标检测与识别

2020-12-02 01:54:32冷佳旭刘莹
数据与计算发展前沿 2020年2期
关键词:特征融合检测

冷佳旭,刘莹*

1.中国科学院大学计算机科学与技术学院,北京 100089

2.中国科学院大学数据挖掘与高性能计算实验室,北京 101400

引言

目标检测是计算机视觉领域的一个重要研究方向,几十年来也一直都是一个活跃的研究难题。如图1所示,给定一张图像,目标检测的任务是找出图像中感兴趣的区域,确定目标的位置和大小,并且判断目标所属类别。作为图像理解和计算机视觉的基石,目标检测是解决分割、场景理解、目标追踪、图像描述、事件检测和活动识别等更复杂更高层次的视觉任务的基础。随着深度学习的快速发展,目标检测算法[1-5]也取得了重大突破。目标检测在人工智能和信息技术的许多领域都有广泛的应用,包括机器人视觉、消费电子产品、安保、自动驾驶、人机交互、基于内容的图像检索、智能视频监控和增强现实等。

图1 目标检测Fig.1 Object detection

尽管目标检测算法已经取得了不错表现,但小目标(通常定义像素30×30 以下的目标为小目标)检测仍然是一个急需解决的问题。小目标通常特征不明显,可利用信息较少,并且受到光照、遮挡等因素的干扰。然而,小目标的检测是极其重要和极具价值的。例如,准确地检测出机场跑道上微小物体(螺帽、螺钉、垫圈、钉子、保险丝等)将避免重大的经济损失;准确地检测出监控区域的小目标和对其行为进行分析将避免突发事件的发生,从而提高安防系数。可见,研究小目标的检测是非常有意义的。

为了提升小目标的检测与识别性能,一些基于深度学习的方法已纷纷被提出。……

登录APP查看全文

猜你喜欢
特征融合检测
村企党建联建融合共赢
今日农业(2021年19期)2022-01-12 06:16:36
融合菜
从创新出发,与高考数列相遇、融合
《融合》
现代出版(2020年3期)2020-06-20 07:10:34
如何表达“特征”
不忠诚的四个特征
当代陕西(2019年10期)2019-06-03 10:12:04
小波变换在PCB缺陷检测中的应用
线性代数的应用特征
河南科技(2014年23期)2014-02-27 14:19:15