用于表面物体检测的微调预训练 Mask R-CNN 模型
计算机视觉与模式识别
2020-10-23 v1
摘要
本研究使用四个 Mask R-CNN 模型评估道路表面物体检测任务，作为石质考古物体表面劣化检测的预研。这些模型由 COCO 数据集与 15,188 个分割道路表面标注标签预训练并微调。模型质量通过平均精度（Average Precision）与平均召回率（Average Recall）衡量。结果表明存在大量假阴性，即漏检与未分类检测。我们测试了一种避免优先考量 IoU 的改进混淆矩阵模型，边界框检测的真正例有显著提升，但分割掩码几乎无变化。
引用
@article{arxiv.2010.11464,
title = {Fine-tuned Pre-trained Mask R-CNN Models for Surface Object Detection},
author = {Haruhiro Fujita and Masatoshi Itagaki and Kenta Ichikawa and Yew Kwang Hooi and Kazutaka Kawano and Ryo Yamamoto},
journal= {arXiv preprint arXiv:2010.11464},
year = {2020}
}
备注
12 page, 12 tables, 15 figures, to be published in one of professional journals