通用商品检测基准：一种用于密集目标检测的低数据基线
计算机视觉与模式识别
2020-01-09 v2
摘要
密集堆叠场景中的目标检测是一个标准目标检测器难以训练好的新领域。在大型密集数据集上训练的 RetinaNet 等密集目标检测器表现出优异性能。我们在小型、常规堆叠数据集上借助数据增强技术训练标准目标检测器。该数据集就标注数量而言比标准数据集小 265 倍。这一低数据基线在标准 IoU 为 0.5 时取得了满意结果（mAP=0.56）。我们还通过为多个公共数据集提供完整标注，构建了用于通用 SKU 商品检测的多样化基准。其可访问 https://github.com/ParallelDots/generic-sku-detection-benchmark。我们希望该基准有助于构建在不同实际场景下可靠运行的鲁棒检测器。
引用
@article{arxiv.1912.09476,
title = {Benchmark for Generic Product Detection: A Low Data Baseline for Dense Object Detection},
author = {Srikrishna Varadarajan and Sonaal Kant and Muktabh Mayank Srivastava},
journal= {arXiv preprint arXiv:1912.09476},
year = {2020}
}
备注
corrected a mistake in evaluation; added more comparisons