36、无语义分割的场景多目标分类方法

无语义分割的场景多目标分类方法

在计算机视觉领域，场景中多目标的分类是一个具有挑战性的任务。传统的全局统计特征袋（BoF）表示在目标分类应用中展现出了一定的区分性和鲁棒性，但在处理具有背景杂波或多个共存类别的场景时，往往会遇到困难。下面将详细介绍一种无需显式检测和分割的多目标分类方法。

1. 背景与问题提出

传统的BoF方法在实际应用中存在局限性，尤其是当场景中存在背景杂波或多个共存类别时，这些方法常常失效。为了解决场景建模和多类别共存问题，一些方法借助检测或定位技术，但这种方法计算成本高，且对模型参数变化和环境变化敏感。还有一些图像标注方法旨在解决类似的多类别标注问题，但这些方法通常依赖于区域推理和标注，其可靠性在很大程度上取决于语义分割的准确性，而语义分割本身就是一个难题。

2. 提出的方法框架

为了解决上述问题，提出了一种将有偏采样策略与多实例多标签（MIML）学习和分类算法集成到BoF框架中的方法。具体步骤如下：
- 有偏采样策略 ：利用先验概率分布对不同位置和尺度的图像块进行采样，该策略结合了自上而下的松散类先验和自下而上的图像显著性信息，以生成对特定类别对象有偏的采样结果。
- MIML学习与分类 ：将每个类别的有偏采样结果的BoF表示视为一个实例，将图像视为实例的集合。通过MIML学习技术进行多目标分类，避免了语义分割的难题，同时保持了BoF表示的鲁棒性。

下面是该方法的流程图：

graph LR
    A[训练数据] --> B[松散类