基于深度学习的图像目标检测研究

目前,大多数图像检测算法在进行图像检测时都会遇到图像显著特征保留不完整的问题。本文针对这个问题对简单图像检测算法进行改进,提出一种基于ResNet残差网络与深度学习的自适应加权策略的图像检测算法。首先,将ResNet模型提取的图像特征点,按照多尺度和多方向的特点划分为高频分量和低频分量进行深度学习,高频分量为含有较多图像信息的特征点,低频分量为含有较少图像信息的特征点;其次,对这些特征点进行权值分配,对于高频分量,分配较高的权值,对于低频分量,本文提出一种基于图像显著性的自适应权重分配规则,用来保留图像中重要显著点;最后,利用这些高低频分量特征点重构检测图像。