基于全局信息学习的弱监督物体检测方法

一种基于全局信息学习的弱监督物体检测方法，属于机器视觉中的物体检测技术领域。本发明针对现有弱监督物体检测模型不能关注输入图像的全局信息，对背景噪声不敏感，导致检测结果包含冗余信息的问题。包括由样本图像奇异值分解得到重构图像；采用候选框特征提取模块得到样本图像候选框特征和重构图像候选框特征；采用多示例学习网络得到每个候选框的多示例学习得分；训练过程中采用在线示例分类提炼网络基于样本图像候选框特征和重构图像候选框特征分别对候选框进行类别打分；并以多示例学习得分作为监督信息优化弱监督物体检测器的模型参数；实际检测中，待检测图像通过多示例学习网络对每个候选框进行打分确定目标框。本发明用于物体检测。