标注错误对基于YOLOv3的无人机检测的影响
计算机视觉与模式识别
2021-01-13 v4
摘要
随着深度网络近期的进展,以深度学习为骨干的目标检测与跟踪算法得到了显著改进;然而,这种快速发展导致了对大量标注标签的需求。即便这些数据集(尤其是视频标注)的半自动标注过程细节大多不甚明确,通常也会采用某些自动标注流程。不幸的是,此类方法可能导致错误的标注。本工作中,我们模拟了目标检测问题中不同类型的标注错误,并考察了流行的先进目标检测器YOLOv3在训练与测试阶段使用错误标注时的性能。此外,我们还以同样方式考察了CVPR-2020 Anti-UAV Challenge数据集中一些不可避免的标注错误,同时提出了纠正该宝贵数据集此类标注错误的方案。
引用
@article{arxiv.2004.01059,
title = {Effect of Annotation Errors on Drone Detection with YOLOv3},
author = {Aybora Koksal and Kutalmis Gokalp Ince and A. Aydin Alatan},
journal= {arXiv preprint arXiv:2004.01059},
year = {2021}
}
备注
Best Paper Award at The 1st Anti-UAV Workshop & Challenge - CVPR Workshops, 2020