论文部分内容阅读
随着计算机视觉技术的飞速发展,目标检测为安防、无人驾驶、智能机器人等领域都提供了重要的技术,在学术界和工业界都得到了广泛的研究和应用。本文针对自然场景的各类目标,建立了目标检测数据集,研究了自然场景下多类目标检测方法。本文的主要研究内容如下:1.本文研究了自然场景下目标检测数据集的建立方法。本文分析了生活中常见并且有检测需要的目标类别,确定本文数据集的37类目标,经过多种收集方式完成数据集的收集工作。因为每一类目标都具有多样性,本文对每一类目标标注制定一定的判断规则,对标注完成的数据集进行充分的整理与分析。本文数据集充分考虑了各类目标的多样性,在各类生活场景中具有很好的普适性。2.本文研究一种基于上下文信息融合的目标检测算法。针对多尺度目标检测方法中多级特征谱信息表征不充分的问题,本文研究在多级特征谱上进行上下文信息融合的算法,提出将分辨率较小的特征谱通过卷积变形放大的方法,基于此方法本文将高层特征谱往低层特征谱融合,同时本文将低层特征谱往高层特征谱进行融合,最终实现基于上下文信息融合的目标检测任务。3.本文研究一种基于目标边界框信息微调改良的目标检测算法。针对目标检测方法中对目标边界框定位不精准的问题,本文提出在卷积神经网络上进行目标检测回归和前景检测回归的方法,在这两个分支的基础上,本文对两次回归的边界框信息进行综合,然后将综合的边界框信息进一步微调使回归的目标边界框更加精准,同时对目标检测分支的类别信息进一步微调,最终得到目标的边界框信息和该边界框所属类别信息。4.本文研究一种基于目标语义辅助信息的目标检测算法,基于对目标特征表征更充分以提升目标检测准确率的思想,本文提出在特征提取网络特征谱添加前后景语义分割分支,然后本文将前后景语义分割分支的特征融入到目标检测的特征谱中,实验结果表明了本文算法的有效性。