独特性自相似目标检测
计算机视觉与模式识别
2023-08-28 v2 人工智能
摘要
基于深度学习的目标检测在人工智能实际应用中已展现出重要地位。然而，火与烟等目标因其非固态与多变的形状给目标检测带来挑战，从而难以真正满足实际防火控火需求。本文中，我们提出火与烟中自相似的独特性分形特征可使我们不必再纠结于其多变的形状。据我们所知，我们首次讨论此问题。为评估火与烟的自相似性并提升目标检测精度，我们设计了一种利用 Hausdorff 距离描述实例间相似度的半监督方法。此外，基于自相似概念，我们设计了一种更公平地评估该特定任务的新方法。我们基于 YOLO 和 Faster R-CNN 等成熟且具代表性的基线网络精心设计了网络架构。实验在公开可用的火与烟检测数据集上进行，我们已充分验证以确保方法有效性。结果观察到检测精度显著提升。
引用
@article{arxiv.2211.10995,
title = {Distinctive Self-Similar Object Detection},
author = {Zeyu Shangguan and Bocheng Hu and Guohua Dai and Yuyu Liu and Darun Tang and Xingqun Jiang},
journal= {arXiv preprint arXiv:2211.10995},
year = {2023}
}