CAT：用于开放世界目标检测的局部化与识别级联检测 Transformer
计算机视觉与模式识别
2023-03-28 v6
摘要
开放世界目标检测（OWOD）作为一个更通用且更具挑战性的目标，要求模型从已知物体数据上训练后，能够检测已知与未知物体，并增量学习以识别这些未知物体。现有采用标准检测框架与固定伪标注机制（PLM）的工作存在以下问题：（i）纳入未知物体检测显著降低了模型检测已知物体的能力。（ii）PLM 未充分利用输入的先验知识。（iii）PLM 的固定选择方式无法保证模型朝正确方向训练。我们观察到，人类下意识地倾向于先关注所有前景物体，再逐一详细识别，而非同时定位与识别单个物体，以缓解混淆。这促使我们提出一种称为 CAT：LoCalization and IdentificAtion Cascade Detection Transformer 的新方案，其通过级联解码方式中的共享解码器解耦检测过程。同时，我们提出自适应伪标注机制，将模型驱动与输入驱动的 PLM 结合，自适应地为未知物体生成鲁棒伪标签，显著提升了 CAT 检索未知物体的能力。在 MS-COCO 与 PASCAL VOC 两个基准数据集上的综合实验表明，我们的模型在 OWOD、增量目标检测（IOD）和开集检测任务的所有指标上均优于最先进水平。
引用
@article{arxiv.2301.01970,
title = {CAT: LoCalization and IdentificAtion Cascade Detection Transformer for Open-World Object Detection},
author = {Shuailei Ma and Yuefeng Wang and Jiaqi Fan and Ying Wei and Thomas H. Li and Hongli Liu and Fanbing Lv},
journal= {arXiv preprint arXiv:2301.01970},
year = {2023}
}
备注
CVPR 2023 camera-ready version