利用深度强化学习在大尺寸图像中高效检测目标
计算机视觉与模式识别
2020-04-08 v2
摘要
传统上,目标检测器被应用于感兴趣场景的每一部分,其精度与计算成本随图像分辨率升高而增加。然而,在遥感等一些应用领域中,购置高空间分辨率图像代价高昂。为降低使用高空间分辨率图像所带来的巨大计算与资金成本,我们提出了一种强化学习智能体,自适应地选择提供给检测器的每幅图像的空间分辨率。具体而言,我们在双重奖励设定下训练该智能体:当图像以大型目标为主时,选择低空间分辨率图像送入粗粒度检测器;当图像以小型目标为主时,选择高空间分辨率图像送入细粒度检测器。这降低了对构建鲁棒检测器的高空间分辨率图像的依赖,并提升了运行效率。我们在由大尺寸图像组成的 xView 数据集上开展实验,在保持与使用仅高分辨率图像的检测器相近精度的同时,将运行效率提升 50%,且仅在 30% 的时间使用高分辨率图像。
引用
@article{arxiv.1912.03966,
title = {Efficient Object Detection in Large Images using Deep Reinforcement Learning},
author = {Burak Uzkent and Christopher Yeh and Stefano Ermon},
journal= {arXiv preprint arXiv:1912.03966},
year = {2020}
}
备注
Published in WACV 2020