深度学习目标检测中样本挖掘及深层网络优化算法研究

摘要

目标检测包含物体分类和定位两个任务，广泛应用于现实生活中，例如医学图像处理、人脸识别、图像检索、自动驾驶等各个领域。目标检测愈发成为模式识别和计算机视觉方向的研究重点。 基于深度学习的目标检测算法是时下最流行也最为有效的。相较于传统算法，基于深度学习的目标检测算法提取特征的能力更强，对复杂的场景准确率也更高。本文对基于候选区域提取的两阶段检测器进行研究，两阶段检测器学习正负样本按照固定比例随机选取，导致模型被大多数容易分类的样本所驱动，进而使检测结果存在大量的漏检。其次，深度学习目标检测网络较深，下采样步长较大，虽然高层语义信息丰富，有利于分类，但是高层边缘信息较少，不利于目标的边界框回归，并且大的下采样导致小目标特征信息的丢失，不利于小目标的检测。 基于上述分析，本文基于Faster R-CNN算法框架，对样本挖掘和深层网络优化两方面展开研究。本文的主要研究内容和创新工作概述如下: (1)针对两阶段检测器学习样本不平衡问题，本文基于OHEM(Online Hard Example Mining)算法的改进提出了E-OHEM(Enhanced Online Hard Example Mining)算法，解决了OHEM算法仅仅关注困难样本而完全忽略容易分类样本的问题，其检测效果远超于按照固定比例学习正负样本的方法。E-OHEM算法在学习困难样本的同时学习容易分类的样本，解决了样本不均衡问题，而且对小目标识别有所改善。本文算法以VGG16为基础特征提取网络，使用E-OHEM算法在PASCAL VOC2007数据集上mAP值达到71.3％，比OHEM算法提高了0.6％。其次，本文根据Faster R-CNN中RPN阶段分类不准确造成误检较多的情况，提出一种微调模型策略，并结合E-OHEM算法将mAP值进一步提高到71.6％。 (2)针对目标检测中深层网络下采样步长过大，导致小目标特征丢失和高层特征图边缘信息较少引起边界框回归差的问题，本文使用空洞卷积(Dilated Convolution)来优化目标检测中的深层网络。首先本文算法使用性能更优异的分类网络Inception-ResNet v2来改善识别精度;然后以空洞卷积来分别优化ResNet101和Inception-ResNet v2深层网络模型。本文算法使用空洞卷积优化的Inception-ResNet v2网络在PASCAL VOC2007数据集mAP值达到77.0％，识别精度改善了1.1％;最后，基于空洞卷积优化的Inception-ResNet v2深层网络模型，使用Soft NMS和多尺度测试进一步将mAP值提升到79.4％。