图像目标类别检测综述

随着移动设备与社交网络的迅速发展,数字图像的数据规模急剧增加,图像目标类别检测已经发展成为目前计算机视觉领域内的一个研究热点。对图像目标类别检测的关键问题进行了综述。首先对目标类别检测的研究背景进行了介绍;然后对目标类别检测技术进行了综述,其中包括外观模型、分类器和定位策略3个核心技术,以及数据集和评价标准;最后列出了目前目标类别检测算法的测试结果,并总结了目标类别检测的主要研究难点和发展方向。

特征金字塔多尺度全卷积目标检测算法

基于区域建议网络构建一种特征金字塔多尺度网络结构,并结合全卷积操作完成微小目标与类别无关目标的检测.为了提升图像中微小目标的检测精度,构建基于侧链接融合的3层金字塔结构网络,充分利用语义级别比较低的图像卷积特征.为了提高类别无关的图像目标检测鲁棒性,提出特定的非极大值抑制算法,在重叠目标过滤时消除冗余目标窗口,并对目标窗口进行位置精修.在PASCAL VOC 2007、PASCAL VOC 2012以及古代绘画数据集上的实验结果表明:所提算法对于微小目标、多尺度目标检测及种类无关的目标检测的检测精度高于已有算法.