一种基于离线高斯模型的目标检测分割方法及系统

摘要

本发明涉及一种基于离线高斯模型的目标检测分割方法，包括：利用训练集训练Mask R‑CNN模型，合并各个训练图像中的候选区域框和真实物体框作为更新候选区域框；对各个训练图像的更新候选区域框进行特征提取，采用离线计算的方式，利用提取的特征以及所含物体的类别对中心矩阵、方差和样本数量进行更新；对测试图像的候选区域框进行特征提取，基于高斯计算模型计算候选区域框在第i类别上的概率值，将计算得到的概率值与Softmax分类器的输出结果的平均值作为目标检测分割结果进行输出；使用离线高斯模型去增强Mask R‑CNN中的分类器，结合离线高斯模型和Softmax分类器实现样本对不均衡数据的分类，简单易行，应用范围广，能够有效的提高目标检测分割的精度。