利用 CNN 在无人工标注情况下原位检测零售商品
计算机视觉与模式识别
2019-04-23 v1
摘要
CNN 是许多计算机视觉任务的强大工具，取得了远优于传统方法的结果。由于 CNN 容量非常大，训练此类神经网络常需大量数据，但在实际中获取标注图像往往代价高昂，尤其对于目标检测，收集训练集中每个目标的边界框需耗费大量人力。零售商品检测便是如此，其可能包含许多不同类别。本文中，我们聚焦于应用 CNN 原位检测 324 类商品，同时无需对任何图像标注边界框的额外人力。我们的方法基于一种从体外数据集提取边界框的算法以及一种模拟遮挡的算法。我们已成功展示了构建 Faster RCNN 检测模型的方法的有效性与实用性。类似思路也适用于其他场景。
引用
@article{arxiv.1904.09781,
title = {Detecting retail products in situ using CNN without human effort labeling},
author = {Wei Yi and Yaoran Sun and Tao Ding and Sailing He},
journal= {arXiv preprint arXiv:1904.09781},
year = {2019}
}