基于多摄像头自监督学习的定制目标检测
计算机视觉与模式识别
2021-02-09 v1 人工智能
摘要
本文提出 MCSSL，一种用于在多摄像头网络中构建定制目标检测模型的自监督学习方法。MCSSL 利用对极几何以及最先进的跟踪与重识别（reID）算法，在具有重叠视场的摄像头之间关联边界框，并审慎地生成两组伪标签，分别用于微调目标检测模型中的骨干网络与检测网络。为在伪标签上有效训练，构建了一个带有一致性损失的类重识别前置任务以实现模型定制。我们的评估表明，与传统的自训练方法相比，MCSSL 在 WildTrack 和 CityFlow 数据集上分别将平均 mAP 提升了 5.44% 和 6.76%。
引用
@article{arxiv.2102.03442,
title = {Custom Object Detection via Multi-Camera Self-Supervised Learning},
author = {Yan Lu and Yuanchao Shu},
journal= {arXiv preprint arXiv:2102.03442},
year = {2021}
}
备注
7 pages, 12 figures