基于样本选择和自适应难例挖掘的弱监督目标检测方法

摘要

本发明提供了一种基于样本选择和自适应难例挖掘的弱监督目标检测方法。首先，对输入图像进行预处理，并用选择性搜索算法生成图像的候选框；然后，把候选框和预处理后的图像输入卷积神经网络提取特征，再将输出的特征向量输入全连接层得到每个候选框的得分；接着，根据得分迭代选择正样本，再从目标位置和图像标签两个角度挖掘难负样本，并对不同样本赋予不同权重，基于这些权重计算损失函数；采用梯度下降法回传网络损失进行网络参数更新；最后，利用训练好的网络对图像进行目标类别和位置预测，再经过非极大值抑制处理，得到图像多类目标的精确检测结果。本发明方法具有较高的检测精度，且方法鲁棒性强。