EC-IoU：通过自我中心交并比引导目标检测器的安全性
计算机视觉与模式识别
2025-01-03 v2 人工智能
机器学习
机器人学
摘要
本文提出了自我中心交并比（EC-IoU），解决了标准IoU度量在表征导航场景中目标检测器安全相关性能方面的局限性。具体来说，我们提出了一种加权机制来改进IoU，使其能够从自我主体的角度为覆盖真实目标更近点的预测分配更高的分数。所提出的EC-IoU度量可用于典型的评估过程，以选择具有更好安全相关性能的目标检测器用于下游任务。它也可以集成到常见的损失函数中用于模型微调。虽然面向安全性，但我们在KITTI数据集上的实验表明，基于EC-IoU训练的模型的性能在平均精度方面也优于基于IoU训练的变体。
引用
@article{arxiv.2403.15474,
title = {EC-IoU: Orienting Safety for Object Detectors via Ego-Centric Intersection-over-Union},
author = {Brian Hsuan-Cheng Liao and Chih-Hong Cheng and Hasan Esen and Alois Knoll},
journal= {arXiv preprint arXiv:2403.15474},
year = {2025}
}
备注
8 pages (IEEE double column format), 7 figures, 2 tables