基于阵列分布信息引导的密集目标检测算法

针对工业场景下密集相似目标检测过程中,容易出现定位误差和伪目标等问题,提出一种基于阵列分布信息引导的密集目标检测算法。从密集目标图像中提取种子目标,根据目标阵列排布规则设计四方向搜索匹配策略,以种子目标的四邻域构建候选目标匹配区域,利用重索引算法更新目标位置索引,不断遍历实现所有目标的精确定位;针对相似目标检测困难的问题,在卷积神经网络前引入Transformer自注意力结构,提取样本间位置和类别的相关性特征,设计基于组图孪生卷积Transformer的分类网络,增强相邻目标图像结构化信息,实现密集相似目标的精确分类,最终完成稳健的目标检测任务。对大量密集目标图像数据集进行实验,结果表明,所提算法在精度上优于对比算法,检测分类准确率达到98.71%,可以完整提取目标并进行精确分类。