非受控环境下图像失真时目标检测性能的基准评测
计算机视觉与模式识别
2022-10-31 v1 数据库
摘要
目标检测算法的鲁棒性在实际应用中起着重要作用，尤其是在非受控环境中，由于图像采集过程中的失真而尤为突出。已有证明表明，目标检测方法的性能会受到采集时失真的影响。在本研究中，我们提出了一个针对最先进目标检测方法的性能评估框架，使用了一个专用数据集，其中包含具有不同严重程度的各种失真图像。此外，我们提出了一种应用于 MS-COCO 数据集的原始图像失真生成策略，该策略结合局部和全局失真以达到更好的性能。我们已经证明，使用所提出的数据集进行训练可将目标检测的鲁棒性提高 31.5%。最后，我们提供了一个自定义数据集，包含由 MS-COCO 失真得到的自然图像，以对针对常见失真的鲁棒性进行更可靠的评估。该数据库及不同失真的生成源代码已公开可用。
引用
@article{arxiv.2210.15999,
title = {Benchmarking performance of object detection under image distortions in an uncontrolled environment},
author = {Ayman Beghdadi and Malik Mallem and Lotfi Beji},
journal= {arXiv preprint arXiv:2210.15999},
year = {2022}
}