基于搜索区域条件概率CNN的精确目标探测方法

来源：计算机工程与应用杂志2017年第20期北京时间：

作者：熊丽婷1，张青苗2，沈克永1

单位：1.南昌理工学院 计算机信息工程学院，南昌 330044；2.华东交通大学 计算机学院，南昌 330013

摘要：针对传统目标探测方法多应用于低定位精度系统的情况，提出一种目标定位探测方法，以增强目标探测系统的定位精确度。确定候选框初始集；计算给定搜索区域的每行每列元素的条件概率，这些概率提供目标边界框位置的有用信息，根据概率情况，分别建立内外模型、边界模型和混合模型以返回感兴趣目标的边界框，实现定位；结合定位模型，利用卷积神经网络对目标进行训练探测。通过对PASCAL VOC和COCO数据集不同IoU阈值情况的实验，结果表明，与传统的方法相比，提出方法具有更高的探测准确率，可应用于高级目标探测系统。同时，利用滑动窗的方法确定候选框初始集，说明提出方法完全独立于传统的边界框回归方法。既简化了初始集的确定过程，同时保持较高的探测准确率。

关键词：目标探测,卷积神经网络,目标定位,条件概率,边界框