无监督缺失值预测的运动目标检测算法

来源：计算机工程与应用杂志2024年第4期北京时间：

作者：傅饶, 房建东, 赵于东

单位：1. 内蒙古工业大学 信息工程学院，呼和浩特 010080 ；2. 内蒙古自治区感知技术与智能系统重点实验室，呼和浩特 010080

摘要：针对运动目标检测过程中由于背景复杂、目标易发生遮挡而产生的漏检问题，提出一种基于无监督缺失值预测的运动目标检测算法。将漏检的目标视为标签数据中的缺失值，根据待检测目标的类别和数量，利用无监督的生成对抗插补网络（generative adversarial imputation networks, GAIN），通过已获取的标签数据对缺失值进行预测，以牺牲较少的精确率为代价大幅提高召回率。在小样本的牛只特征部位数据集上的实验结果表明，在标签数据缺失率低于40%的情况下，缺失值预测的准确率约为95%，对于不同程度的被遮挡目标，检测的平均F1分数为0.92。该方法在小样本条件下，对运动目标具有较好的检测性能，可减小实际应用中的不确定性，以及算法对样本数据的依赖性，改善运动目标检测过程中的漏检问题。

关键词：小样本,无监督学习,生成对抗插补网络,缺失值预测,运动目标检测