计算机应用研究

作者：牟磊,陈黎,

单位：武汉科技大学a.计算机科学与技术学院;b.智能信息处理与实时工业系统湖北省重点实验室,武汉430065；

关键词：少样本,网状结构体,样本标注,候选区域自适应,

基金：国家自然科学基金资助项目(61773297,61375017)；智能信息处理与实时工业系统湖北省重点实验室开放基金资助项目(2016znss01A)；；

在仅有少量标签数据的图像网状结构检测任务中，需要大量训练数据的目标检测模型，检测性能大幅下降。基于区域候选的目标检测模型在预测时，检测目标越多，检测时间越长。若基于区域候选的目标检测模型产生候选框的数量固定不变，而不同图像中网状结构目标数量不同，造成目标检测中额外的时间消耗。针对该问题，通过对训练样本中网状结构目标在图片中的密度分析以及根据网状结构体在图片中的特征分布，提出一种面向少样本网状结构体的候选区域自适应检测方法。该方法通过基于二值标签图标注方法得到大量训练样本，由候选区域自适应方法选取合理的候选框数量。与未改进的模型相比，在几乎不损失准确率的情况下，其加快了检测速度，尤其在目标数量稀少的数据中优势更为明显。

来源：2019年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第12期