交互式多类微小目标检测
计算机视觉与模式识别
2022-03-30 v1
摘要
在给定图像中标注数十或数百个微小目标费力却对众多计算机视觉任务至关重要。此类图像通常包含来自不同类别的目标，然而用于检测任务的多类交互式标注设置迄今未被探索。为满足这些需求，我们提出一种基于少量点状用户输入、针对多类多实例微小目标的新颖交互式标注方法。我们的方法 C3Det 通过 late-fusion 与特征关联分别以局部和全局方式将全图上下文与标注者输入相关联。我们在 Tiny-DOTA 与 LCell 数据集上使用两阶段与单阶段目标检测架构进行实验以验证方法有效性。我们的方法在交互式标注中优于现有方法，以更少点击取得更高 mAP。此外，我们在用户研究中验证标注效率，显示相比手动标注快 2.85 倍且任务负荷仅 0.36 倍（NASA-TLX，越低越好）。代码见 https://github.com/ChungYi347/Interactive-Multi-Class-Tiny-Object-Detection。
引用
@article{arxiv.2203.15266,
title = {Interactive Multi-Class Tiny-Object Detection},
author = {Chunggi Lee and Seonwook Park and Heon Song and Jeongun Ryu and Sanghoon Kim and Haejoon Kim and Sérgio Pereira and Donggeun Yoo},
journal= {arXiv preprint arXiv:2203.15266},
year = {2022}
}