面向自动结账的数据净化网络
计算机视觉与模式识别
2019-08-08 v3 机器学习
摘要
自动结账（ACO）近年来受到越来越多的关注。ACO系统的一个重要组成部分是视觉物品计数，其识别顾客所选物品的类别与数量。然而，此类系统的训练受到域适应问题的挑战，其中训练数据为孤立物品的图像，而测试图像为物品集合的图像。现有方法利用合成图像进行数据增强来解决该问题，但图像合成会导致不真实的图像，从而影响训练过程。本文中，我们提出一种新的数据净化方法来解决域适应问题。具体而言，我们首先使用增强前数据净化，其中通过由粗到精的策略从训练图像中去除干扰性背景，并利用姿态剪枝方法筛选具有真实视角的图像。在增强后步骤中，我们使用检测与计数协同学习训练一个数据净化网络，并从测试数据中筛选更可靠的图像来微调最终的视觉物品清点网络。在大规模零售产品结账（RPC）数据集上的实验证明了所提方法的优越性，即我们取得了80.51%的结账准确率，而基线方法为56.68%。源代码可在 https://isrc.iscas.ac.cn/gitlab/research/acm-mm-2019-ACO 找到。
引用
@article{arxiv.1904.04978,
title = {Data Priming Network for Automatic Check-Out},
author = {Congcong Li and Dawei Du and Libo Zhang and Tiejian Luo and Yanjun Wu and Qi Tian and Longyin Wen and Siwei Lyu},
journal= {arXiv preprint arXiv:1904.04978},
year = {2019}
}
备注
Accepted to ACM MM 2019