基于实例感知的开放词汇目标检测系统设计与零样本识别.docxVIP

PAGE2

基于实例感知的开放词汇目标检测系统设计与零样本识别

摘要

目标检测是图像理解的核心任务，但传统检测器受限于封闭词汇集，无法识别训练中未出现的新类别。开放词汇目标检测（Open-VocabularyObjectDetection,OVOD）旨在突破这一限制，使模型能够识别任意文本描述的物体。本文设计并实现了一套基于实例感知的开放词汇目标检测系统，核心方案是将实例分割的精确区域定位能力与视觉-语言预训练模型的泛化匹配能力相融合，在无需额外训练的条件下实现零样本识别。系统首先通过实例分割生成候选区域及其掩码，利用掩码引导的池化操作提取区域视觉特征，再与用户输入的类别文本嵌入进行多模态相似度计算，最终输出类别标签与分割掩码。

论文遵循工程递进思路展开：第一章分析现有检测方案的局限，明确研究目标；第二章论证视觉-语言模型与实例分割技术的选型依据；第三章完成系统功能与非功能需求分析；第四章设计系统总体架构与模块划分；第五章深入核心模块的算法流程与接口设计；第六章展示关键功能的实现思路与运行效果；第七章通过功能与性能测试验证系统质量；第八章总结成果并展望未来方向。本系统的核心创新在于提出“掩码感知特征提取”策略，利用实例掩码抑制背景噪声，提升开放词汇匹配的准确性，并在零样本场景下取得优于全局特征匹配的检测效果。

第一章绪论

1.1研究背景

目标检测技术广泛应用于自动驾