带反馈环的增量式基于物体的新颖性检测
计算机视觉与模式识别
2024-08-05 v2
摘要
基于物体的新颖性检测(ND)旨在由物体检测模型识别不属于训练时所见类别的未知物体。该任务在现实应用中尤为关键，因其可避免潜在有害行为，例如采用物体检测模型的自驾汽车或自主机器人中的情形。传统的ND方法聚焦于对预训练物体检测输出的一次性离线后处理，无法在训练后提升模型鲁棒性，并丢弃部署期间遇到的大量分布外数据。本工作中，我们提出一种新颖的基于物体的ND框架，假设可对预测输出请求人类反馈，随后将其融入以精炼ND模型，且不损害主物体检测性能。每当有新反馈可用时重复此精炼操作。为应对物体检测的这一新问题描述，我们提出一个轻量ND模块，附着于预训练物体检测模型之上，并通过反馈环增量更新。我们还提出一个新基准以在该新设定下评测方法，并针对基线广泛测试我们的ND方法，显示出增强的鲁棒性与对所得反馈的成功融入。
引用
@article{arxiv.2311.09004,
title = {Incremental Object-Based Novelty Detection with Feedback Loop},
author = {Simone Caldarella and Elisa Ricci and Rahaf Aljundi},
journal= {arXiv preprint arXiv:2311.09004},
year = {2024}
}