用于目标检测的高斯边界框与概率交并比
计算机视觉与模式识别
2024-03-27 v1
摘要
大多数目标检测方法使用边界框来编码和表示物体的形状与位置。在本文中，我们利用高斯分布探索物体区域的模糊表示，其提供了作为（可能旋转的）椭圆的隐式二值表示。我们还提出了一种基于 Hellinger 距离的高斯分布相似度度量，可视为概率交并比（ProbIoU）。实验结果表明，所提出的高斯表示在公开数据集中更接近于标注的分割掩码，且基于 ProbIoU 的损失函数可成功用于回归高斯表示的参数。此外，我们提出了一种从传统（或旋转）边界框到高斯表示的简单映射方案，使得所提出的基于 ProbIoU 的损失能够无缝集成到任意目标检测器中。
引用
@article{arxiv.2106.06072,
title = {Gaussian Bounding Boxes and Probabilistic Intersection-over-Union for Object Detection},
author = {Jeffri M. Llerena and Luis Felipe Zeni and Lucas N. Kristen and Claudio Jung},
journal= {arXiv preprint arXiv:2106.06072},
year = {2024}
}