文献类型：期刊文章

作　　者：王春哲[1,2] 安军社[1] 姜秀杰[1] 邢笑雪[3]

WANG Chun-zhe;AN Jun-she;JIANG Xiu-jie;XING Xiao-xue(Key Laboratory of Electronics and Information Technology for Space Systems,National Space Science Center,Chinese Academy of Sciences,Beijing 100190,China;University of Chinese Academy of Sciences,Beijing 100049,China;Changchun University,Changchun 130022,China)

机构地区：[1]中国科学院国家空间科学中心复杂航天系统电子信息技术重点实验室,北京100190 [2]中国科学院大学,北京100049 [3]长春大学,吉林长春130022

出　　处：《中国光学》

基　　金：国家自然科学基金(No.61805021)~~

年　　份：2019

卷　　号：12

期　　号：6

起止页码：1348-1361

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、UPD、WOS、ZGKJHX、核心刊

摘　　要：在目标检测中,通常使用候选区域提高目标的检测效率。为解决当前候选区域质量较低的问题,本文将卷积边缘特征、显著性及目标位置信息引入到候选区域算法中。首先,利用卷积神经网络将待检测图像生成更富有语义信息的边缘特征,并通过边缘点聚合及边缘组相似性策略,获取每个滑动窗口的边缘信息得分;其次,利用显著性目标的局部特征,统计每个滑动窗口中的目标显著性得分;第三,根据目标可能出现的位置,计算每个滑动窗口中的目标位置信息得分;最后,利用边缘信息、显著性及位置信息的分数确定候选区域。在PASCAL VOC 2007验证集上进行实验,给定10000个候选区域,交并比取0.7时,所提算法的召回率为90.50%,较Edge Boxes算法提高了3%。每张图像的运行时间大约为0.76 s。结果表明,本文算法可快速产生较高质量的候选区域。

关 键 词：计算机视觉 目标检测 候选区域  卷积神经网络 显著性目标  

分 类 号：TP394.1]