基于场景自适应概念学习的无监督目标检测

2021年第22卷第5期

摘要

关键词

相关研究

回顶部

《信息与电子工程前沿（英文）》 >> 2021年第22卷第5期 doi: 10.1631/FITEE.2000567

基于场景自适应概念学习的无监督目标检测

1海康威视研究院，中国杭州市，310051；2浙江大学计算机科学与技术学院，中国杭州市，310027

收稿日期： 2020-10-20 录用日期： 2021-05-17 发布日期： 2021-05-17

HTML48 PDF 127 收藏 0

摘要

目标检测是机器视觉领域最热门的研究方向之一，在学术界已取得令人瞩目的成果，在工业界也存在许多有价值的应用。然而，主流的检测方法仍有两个缺陷：（1）即使是经过大量数据有效训练的模型，仍然无法很好地泛化到新场景中；（2）模型一旦部署到位，则无法随着不断累积的无标注数据自主进化。为克服上述问题，受视觉知识理论启发，提出一种场景自适应进化的无监督视频目标检测算法，该算法可利用目标群体概念，降低场景变化带来的不利影响。首先通过预训练检测模型从无标注数据中提取大量候选目标，然后对候选目标聚类，构建目标概念的视觉知识字典，其中各个聚类中心代表一种目标原型。其次，通过研究不同目标簇和不同群体目标信息之间的关系，提出基于图的群体信息传播策略以判断目标概念的归属，可有效区分候选目标。最终，利用收集到的伪类标微调预训练模型，实现算法对新场景的自适应。算法的有效性得到多个不同实验的验证，且性能提升显著。

关键词

视觉知识 ; 无监督视频目标检测 ; 场景自适应学习