无标签合成预训练的目标检测器
计算机视觉与模式识别
2022-08-09 v1
摘要
我们提出一种新方法——基于实例检测的优化布局合成法（SOLID），以使用合成图像预训练目标检测器。我们的“SOLID”方法包含两个主要组件：（1）使用一组无标签的 3D 模型并优化场景排布来生成合成图像；（2）在“实例检测”任务上预训练目标检测器——给定描绘某一物体的查询图像，在目标图像中检测该确切物体的所有实例。我们的方法不需要任何语义标签进行预训练，并允许使用任意多样的 3D 模型。在 COCO 上的实验表明，通过优化的数据生成和恰当的预训练任务，合成数据可作为高度有效的目标检测器预训练数据。特别地，在渲染图像上预训练取得了与真实图像预训练相当的性能，同时显著减少了计算资源使用。代码见 https://github.com/princeton-vl/SOLID。
引用
@article{arxiv.2208.04268,
title = {Label-Free Synthetic Pretraining of Object Detectors},
author = {Hei Law and Jia Deng},
journal= {arXiv preprint arXiv:2208.04268},
year = {2022}
}