基于语义类别信息的条件化隐蔽地理位置（CGL）检测

人工智能的首要目标是模仿人类。因此，为实现这一目标，AI 界试图模仿人类具备的特质/技能，并借助数据集/任务将其灌输给机器。早前，许多需要了解图像中物体信息的任务已由视觉模型令人满意地解决。最近，为融入关于非物体图像区域（藏匿处、拐角及其他遮蔽区域）的知识，Saha 等人提出了一种称为隐蔽地理位置（Covert Geo-Location, CGL）检测的潜在藏匿点识别任务。该任务旨在识别图像中可能引发紧迫威胁、或作为需进一步探查以发现遮挡物体的目标区域的图像区域。仅有属于特定语义类别的某些遮挡物才会产生 CGL。Saha 等人忽视了这一事实，且未尝试利用对 CGL 检测至关重要的语义类别信息。本文中，我们提出一种基于多任务学习的方法以实现两个目标：i) 提取带有语义类别信息的特征；ii) 利用大型标准标注数据集作为辅助任务（语义分割）的训练集，对公共编码器进行鲁棒训练。为在编码器提取的特征中显式融入类别信息，我们进一步以新颖方式采用了注意力机制。我们还提出了一种更优的 CGL 检测评估指标，其更重视识别而非精确定位。在 CGL 数据集上的实验评估表明，相较 SOTA，我们的方法性能显著提升：在 split 1 上 mIoU 提升约 3% 至 14%、DaR 提升 3% 至 16%，在 split 2 上 mIoU 提升 1%、DaR 提升 1% 至 2%，印证了我们方法的优越性。