结合深度学习与验证的精确目标实例检测
计算机视觉与模式识别
2020-06-30 v4 机器学习
图像与视频处理
摘要
深度学习目标检测器常返回置信度极高的假阳性。尽管它们优化的是如平均精度均值（mAP）等通用检测性能，却并非为可靠性而设计。对于可靠的检测系统，若给出高置信度检测，我们希望高度确定该目标确已被检测到。为此，我们开发了一组待选检测必须通过方可被接受的验证测试。我们建立了理论框架，证明在特定假设下我们的验证测试不会接受任何假阳性。基于该框架的近似，我们提出一种实用检测系统，能以高精度验证基于机器学习的目标检测器的每个检测是否正确。我们表明这些测试可提升基础检测器的整体准确率，且被接受的样本极有可能正确。这使得检测器可在高精度机制下运行，从而可作为机器人感知系统中可靠的实例检测方法。代码见 https://github.com/siddancha/FlowVerify。
引用
@article{arxiv.1912.12270,
title = {Combining Deep Learning and Verification for Precise Object Instance Detection},
author = {Siddharth Ancha and Junyu Nan and David Held},
journal= {arXiv preprint arXiv:1912.12270},
year = {2020}
}
备注
9 pages main paper, 2 pages references, 10 pages supplementary material