基于特征相似性学习的抛洒物检测方法

• Published in: 华南理工大学学报（自然科学版） Vol. 51; no. 6; pp. 30 - 41
• Main Authors: 郭恩强, 符锌砂
• Format: Journal Article
• Language: Chinese
• Published: 华南理工大学 土木与交通学院,广东 广州 510640 01.06.2023
• Subjects: 注意力机制; 上下文信息; 特征相似性学习; 抛洒物识别; 深度学习
• ISSN: 1000-565X
• DOI: 10.12141/j.issn.1000-565X.220604

U495; 针对当前以目标检测为核心的抛洒物检测算法无法识别"未知类别"的缺陷,以抛洒物引发外观特征变化的视角切入,提出基于特征相似性学习的抛洒物检测方法.首先,在抛洒物体过程中采集参考图像和待检图像,通过参数共享的孪生卷积神经网络得到两张图像的外观特征,然后利用欧式距离等特征相似性函数计算图像区域之间的特征变化并得到欧式距离热力图,最后经阈值筛选得到抛洒物检测结果.为了提升算法对光照等噪声的抗干扰能力,提出全新的注意力掩膜单元,并通过构建长跨度上下文信息和强监督学习的方式提升注意力掩膜的语义判别性能,引导特征响应聚焦于抛洒物引起的外观变化,同时忽略噪声产生的扰动,最终解决噪声干扰和抛洒物产生的特征缠绕问题.为了验证方法的有效性,本研究在真实高速公路场景下进行视频影像数据采集、标注、构建成标准数据集.结果表明:注意力掩膜单元有效提升了特征的语义判别性能,大幅度提高抛洒物检测精度,其中调和均值F1 提高6.4个百分点,同时算法运行速度稳定在30帧/s,满足实时性需求;利用特征序列状态转移方式构建的长跨度上下文信息更有利于注意力掩膜聚焦抛洒物特征信息,抗噪声干扰能力更强;通过强监督学习得到的注意力掩膜轮廓更为准确,模型精度更高.