一种基于弱监督学习的目标定位方法

摘要

本发明公开了一种基于弱监督学习的目标定位方法。该方法包括对于一个训练好的卷积神经网络模型，选取其中的两个卷积层分别生成第一梯度权重图和第一定位图，第二梯度权重图和对应的第二定位图，第二定位图或第一定位图进行上采样变换，使得第二定位图和第一定位图大小相同，然后逐像素相加后生成最终的结果定位图，再对结果定位图进行阈值分割操作，利用边缘寻找算法，最终对单个或多个目标物体生成用于目标定位的矩形包围框。该方法有效解决了具有相同类别的多个目标或只给出图像级标签的图像中的小目标的定位问题，具有较高的定位精度，可以挖掘出更完整的目标区域。