检测物体状态与检测物体：一个新数据集与定量实验研究
计算机视觉与模式识别
2022-08-22 v2
摘要
图像中物体状态的检测（状态检测——SD）是一个兼具理论与实际重要性的问题，并且与其他重要的计算机视觉问题（如动作识别和可供性检测）紧密交织。它对于任何需要在动态领域中推理和行动的实体（如机器人系统和智能体）也高度相关。尽管其很重要，但迄今为止关于该问题的研究仍然有限。在本文中，我们试图对 SD 问题进行系统性研究。首先，我们引入了物体状态检测数据集（OSDD），这是一个新的公开可用数据集，包含超过 19,000 个标注，涵盖 18 个物体类别和 9 个状态类。其次，使用一个用于物体检测（OD）的标准深度学习框架，我们进行了若干精心设计的实验，以深入研究 SD 问题的行为。该研究确立了 SD 性能的基线，以及在多种场景下其与 OD 的相对性能。总体而言，实验结果证实 SD 比 OD 更难，并且需要开发专门的 SD 方法来有效解决这一重要问题。
引用
@article{arxiv.2112.08281,
title = {Detecting Object States vs Detecting Objects: A New Dataset and a Quantitative Experimental Study},
author = {Filippos Gouidis and Theodore Patkos and Antonis Argyros and Dimitris Plexousakis},
journal= {arXiv preprint arXiv:2112.08281},
year = {2022}
}
备注
Submitted to the Proceedings of the 17th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications (VISAPP)