基于 RANSAC 的无训练图像离群点检测
计算机视觉与模式识别
2024-04-05 v3 信息检索
机器学习
摘要
图像离群点检测（OD）是确保计算机视觉任务所用图像质量的重要工具。现有算法通常需训练一个模型来表示内点分布，并通过某种偏离度量来确定离点。尽管现有方法在仅以严格内点样本训练时已被证明有效，但当训练中包含不期望的离群点时，其性能仍存疑。受此限制，在为新领域开发 OD 模型时须仔细审查数据。本文提出一种名为 RANSAC-NN 的新型图像 OD 算法，彻底免除了数据审查与模型训练。与现有方法不同，RANSAC-NN 可直接应用于含离群点的数据集，通过采样并比较数据子集来工作。在一系列基准上，我们的算法相较现有方法保持了良好性能。此外，我们表明将 RANSAC-NN 作为数据准备流程的一部分，可增强现有方法的鲁棒性。
引用
@article{arxiv.2307.12301,
title = {Image Outlier Detection Without Training using RANSAC},
author = {Chen-Han Tsai and Yu-Shao Peng},
journal= {arXiv preprint arXiv:2307.12301},
year = {2024}
}