探索上下文在目标检测中效用的边界

物体出现时所处反复发生的上下文包含有价值的信息，可用于预测其存在。这一直观认识确实促使许多研究者赋予基于外观的检测器以显式的上下文推理能力。其潜在假设认为，更强的上下文关系将有助于提升检测能力。然而在实践中，许多情况下观测到的提升至多 modest，且往往仅为边际性的。在本工作中，我们试图增进对这一现象的理解，部分地通过采取一种相反的路径。我们不去尝试利用上下文改善检测分数，而是将上下文的效用视为一个优化问题：在考虑上下文或任何其他附加信息的情况下，检测分数究竟能在多大程度上被改善？借助该方法，我们探索了利用物体间上下文关系所能达成的改进上限，并提供了一种用于识别最有助益关系的工具。我们表明，简单的共现关系往往能带来较大收益，而在其他情况下，无论是共现还是更精确的空间关系，显著的改进都根本不可能或不切实际。为了更好地理解这些结果，我们随后分析了上下文处理不同类型误检的能力，揭示出被测上下文信息无法改善定位错误，严重限制了其收益。这些及额外见解深化了我们对目标检测中上下文利用何处及为何成功与失败的理解。