DBF：用于组合多个目标检测器的动态置信融合
计算机视觉与模式识别
2022-04-07 v1
摘要
在本文中，我们提出一种新颖且高度实用的分数级融合方法，称为动态置信融合（DBF），其直接整合来自多个目标检测方法的各个检测结果的推理分数。为有效整合多个检测器的各自输出，利用基于相应检测器的精度-召回率关系构建的置信度模型来估计每个检测分数的模糊程度。对于每个检测器输出，DBF 随后基于检测分数在个体检测器先验置信度模型条件下的置信水平，计算三个假设（目标、非目标以及中间状态（目标或非目标））的概率，这被称为基本概率分配。所有检测器在三个假设上的概率分布通过 Dempster 组合规则进行最优融合。在 ARL、PASCAL VOC 07 和 12 数据集上的实验表明，DBF 的检测精度显著高于任何基线融合方法以及用于融合的各个检测器。
引用
@article{arxiv.2204.02890,
title = {DBF: Dynamic Belief Fusion for Combining Multiple Object Detectors},
author = {Hyungtae Lee and Heesung Kwon},
journal= {arXiv preprint arXiv:2204.02890},
year = {2022}
}
备注
TPAMI publication