提升遮挡检测的三层插件模块
计算机视觉与模式识别
2022-10-19 v1
摘要
检测被遮挡物体对最先进的物体检测器仍具挑战。本工作的目标是改善此类物体的检测，从而提升现代物体检测器的整体性能。为此我们做出如下四项贡献：（1）我们为两阶段物体检测器的检测头提出一个简单的“插件”模块，以提升部分遮挡物体的召回率。该模块预测目标物体、遮挡物与被遮挡物的三层分割掩码，从而更好地预测目标物体的掩码。（2）我们提出一种可扩展的流水线，通过对现有物体检测与实例分割训练数据集进行非模态补全来建立遮挡关系，从而为模块生成训练数据。（3）我们建立了 COCO 评估数据集，以衡量部分遮挡与分离物体的召回性能。（4）我们展示将该插件模块插入两阶段检测器可显著提升性能，且仅微调检测头即可，若微调整个架构则有进一步改进。我们报告了以 Swin-T 或 Swin-S 为骨干的 Mask R-CNN 以及以 Swin-B 为骨干的 Cascade Mask R-CNN 的 COCO 结果。
引用
@article{arxiv.2210.10046,
title = {A Tri-Layer Plugin to Improve Occluded Detection},
author = {Guanqi Zhan and Weidi Xie and Andrew Zisserman},
journal= {arXiv preprint arXiv:2210.10046},
year = {2022}
}
备注
BMVC 2022