公开(公告)号：CN112949630A

公开(公告)日：2021-06-11

申请号：CN202110224888.7

申请日：2021-03-01

Applicant: 北京交通大学

Inventor： 韦世奎 ,  贾麒霏 ,  赵耀

IPC: G06K9/32 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提供了一种基于边框分级筛选的弱监督目标检测方法，包括：对训练集中所有图片中分别加入两种不同的噪声；采用弱监督目标检测算法进行检测生成检测框，并采用NMS方法将检测框的得分高于第一阈值的检测框作为初筛后的检测框；计算出每个初筛后的检测框的稳定度，利用NMS方法将所有检测框中稳定度大于第二阈值的检测框作为稳定框；计算所有检测框的评分和等级，利用NMS方法对所有初筛后的检测框进行筛选，将评分大于第三阈值的检测框作为二筛后的检测框；计算可靠性，用脚本对二筛后的检测框的信息制作成像素级标签；采用改进的基于Faster R‑CNN人工神经网络对像素级标签训练来定位识别检测，本方法可以减少检测时间。

公开(公告)号：CN112949630B

公开(公告)日：2024-03-19

申请号：CN202110224888.7

申请日：2021-03-01

Applicant: 北京交通大学

Inventor： 韦世奎 ,  贾麒霏 ,  赵耀

IPC: G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明提供了一种基于边框分级筛选的弱监督目标检测方法，包括：对训练集中所有图片中分别加入两种不同的噪声；采用弱监督目标检测算法进行检测生成检测框，并采用NMS方法将检测框的得分高于第一阈值的检测框作为初筛后的检测框；计算出每个初筛后的检测框的稳定度，利用NMS方法将所有检测框中稳定度大于第二阈值的检测框作为稳定框；计算所有检测框的评分和等级，利用NMS方法对所有初筛后的检测框进行筛选，将评分大于第三阈值的检测框作为二筛后的检测框；计算可靠性，用脚本对二筛后的检测框的信息制作成像素级标签；采用改进的基于Faster R‑CNN人工神经网络对像素级标签训练来定位识别检测，本方法可以减少检测时间。