约束性神经网络及其在目标方向估计中的应用

摘要

目前,在计算机视觉领域,主流的卷积神经网络算法专注于目标的识别和定位,且大多数采用轴对齐包围盒定位目标,而为了对图像做更深刻的语义理解,更加精准地定位各类目标,需要获取目标的方向信息。因此,本文提出一种针对图像目标方向估计的方法,采用卷积神经网络对描述目标方向的两个方向角分量进行回归,规避一些现有方向估计方法直接对方向角回归而产生的缺点。由于方向分量之间存在平方和为1的函数约束,本文提出约束性神经网络的概念,进一步提出利用约束性神经网络解决这类带有输出约束问题的一般性方法,即在Loss层引入约束误差,参与反向传播,并将其具体运用于目标方向估计中。经实验,本文采用的基于约束性神经网络的目标方向估计方法,能够在保证原输出损失的下降速度和幅度的前提下,降低约束误差,提高估计精度。