分析视频与图像之间用于目标检测的域偏移因素

目标检测是计算机视觉中最重要的挑战之一。目标检测器通常在静态图像边界框上训练。近来，视频已被用作替代数据源。然而，对于给定的测试域(图像或视频)，检测器的性能取决于其训练所用的域。在本文中，我们考察了造成此性能差距背后的原因。我们定义并评估了不同的域偏移因素：空间位置精度、外观多样性、图像质量和长宽比分布。我们通过比较在将这些因素剔除前后性能的变化来检验这些因素的影响。结果表明，所有四个因素均影响检测器的性能，且其联合效应解释了近乎整个性能差距。