一种用于水下 imagery 的半监督目标检测算法
计算机视觉与模式识别
2023-06-09 v1 机器学习
摘要
从自主水下航行器（AUVs）采集的水下 imagery 中检测人造物体是许多海底应用的关键需求。现实世界的 AUV 图像数据集往往非常庞大且无标注。此外，此类数据集通常是不平衡的，包含极少感兴趣物体实例，尤其在场景中搜索异常物体时。因此，很难训练出能可靠检测这些物体的模型。鉴于这些因素，我们提议将人造物体视为异常，并通过基于变分自编码器（VAEs）的半监督框架进行检测。我们开发了一种方法，在学习的低维潜空间中聚类图像数据，并提取可能包含异常特征的图像。我们还设计了一种基于提取图像中重建不良区域的异常分数。我们证明，通过在大型图像数据集上应用这两种方法，可以以低误报率向人类操作员展示候选异常样本以识别感兴趣物体。我们将该方法应用于 AUV 采集的真实海底 imagery，并评估其对 VAE 所用潜表示维度的敏感性。我们评估了精确率-召回率权衡，并证明通过选择适当的潜维度和阈值，能在无标注数据集上取得 0.64 的平均精确率。
引用
@article{arxiv.2306.04834,
title = {A Semi-supervised Object Detection Algorithm for Underwater Imagery},
author = {Suraj Bijjahalli and Oscar Pizarro and Stefan B. Williams},
journal= {arXiv preprint arXiv:2306.04834},
year = {2023}
}
备注
8 pages, 9 figures, submitted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2023