评估深度目标检测器的上下文利用

Osman Semih Kayhan; Jan C. van Gemert

评估深度目标检测器的上下文利用

计算机视觉与模式识别 2022-05-09 v1 人工智能机器学习

作者: Osman Semih Kayhan , Jan C. van Gemert

摘要

哪种目标检测器适合你具有上下文敏感性的任务？深度目标检测器利用场景上下文进行识别的方式各不相同。在本文中，我们根据上下文使用方式将目标检测器分为三类：通过裁剪输入而无上下文（RCNN）、通过裁剪特征图获得部分上下文（两阶段方法）以及无任何裁剪的完整上下文（单阶段方法）。我们系统地评估了每一类深度检测器的上下文效应。我们创建了一个完全受控的、可变化上下文的数据集，并研究了深度检测器的上下文利用情况。我们还在 MS COCO 上评估了逐步移除背景上下文和前景目标的影响。我们证明，单阶段和两阶段目标检测器能够且将会利用其大感受野来使用上下文。因此，选择最佳目标检测器可能取决于应用上下文。

关键词

目标检测场景上下文深度检测器感受野 MS COCO 上下文评估

引用

@article{arxiv.2205.02887,
  title  = {Evaluating Context for Deep Object Detectors},
  author = {Osman Semih Kayhan and Jan C. van Gemert},
  journal= {arXiv preprint arXiv:2205.02887},
  year   = {2022}
}

备注

4 pages, 5 figures

评估深度目标检测器的上下文利用

摘要

关键词

引用

备注

相关论文