CrowdSim2：一个面向目标检测器的开放合成基准
计算机视觉与模式识别
2023-04-12 v1
摘要
数据稀缺已成为计算机视觉中基于人工智能的监督模型发展的主要障碍之一。事实上，基于深度学习的模型在训练时从未见过的新场景中应用时往往表现不佳，并且可能无法在非寻常但关键的真实世界情况下得到充分测试。本文提出并公开发布CrowdSim2，一个基于Unity图形引擎模拟器采集的、适用于行人与车辆检测的新合成图像集合。它包含从类似真实世界的多种合成场景中采集的数千张图像，其中我们变化了若干关注因素，如天气条件与场景中物体数量。标签自动采集，由精确局部化属于这两类物体的边界框组成，并将人排除在标注流程之外。我们利用这一新基准作为一些最先进检测器的测试平台，表明我们的模拟场景可作为在受控环境中衡量其性能的宝贵工具。
引用
@article{arxiv.2304.05090,
title = {CrowdSim2: an Open Synthetic Benchmark for Object Detectors},
author = {Paweł Foszner and Agnieszka Szczęsna and Luca Ciampi and Nicola Messina and Adam Cygan and Bartosz Bizoń and Michał Cogiel and Dominik Golba and Elżbieta Macioszek and Michał Staniszewski},
journal= {arXiv preprint arXiv:2304.05090},
year = {2023}
}
备注
Proceedings of the 18th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications, 2023