基于密度引导的密集目标检测

摘要

在目标检测领域中,检测相对密集的物体时,由于存在物体相互重叠和特征相似的问题,要准确地检测物体的位置就变得很困难。因此,本文提出使用密度图产生密度损失的方法来监督网络目标网络的训练过程,以此尝试解决这个问题。网络会通过不同区域的像素点的密度强度来判断当前区域是否存在唯一一个物体,如果不同区域的密度值过大或过小则说明检测结果不正确。本文提出的方法包含两个核心部分,分别为密度生成模块和目标检测器。首先,通过密度生成模块生成准确的密度图;其次,经过密度图引导后将不合理的检测结果去除;最后,通过无人机收集一些密集的橘子图片作为数据集,并在数据集上进行实验。实验结果表明,本文方法能够明显提高目标检测器在密集数据上的检测性能。