利用方向信息实现弱监督目标检测及其在枪支定位中的应用
计算机视觉与模式识别
2021-02-02 v2
摘要
枪支的自动检测对于提升人们的安全至关重要，然而由于枪支在形状、尺寸和外观上的广泛变化，这是一项具有挑战性的任务。此外，大多数通用目标检测器处理轴对齐矩形区域，而细长步枪可能实际仅覆盖该区域的一小部分，其余部分可能包含无关细节，从而抑制所需的目标特征。为应对这些挑战，我们提出了一种弱监督的方向感知目标检测（OAOD）算法，该算法在使用轴对齐边界框（AABB）进行训练的同时学习检测有向目标边界框（OBB）。所提出的 OAOD 不同于现有的有向目标检测器，后者在训练时严格需要 OBB，而 OBB 未必总能得到。通过在 AABB 上训练并检测 OBB 的目标通过采用多阶段方案实现：阶段 1 预测 AABB，阶段 2 预测 OBB。在两个阶段之间，设计了有向候选生成模块与对象对齐 RoI 池化，以基于预测的方向提取特征并使这些特征具有方向不变性。我们还提出了一个由一万一千张图像组成的多样且具有挑战性的数据集用于枪支检测，其手动标注了枪支分类与定位。所提出的 ITU 枪支数据集（ITUF）包含各类手枪与步枪。OAOD 算法在 ITUF 数据集上评估，并与当前最先进的目标检测器（包括全监督有向目标检测器）进行比较。OAOD 以显著优势超越了这两类目标检测器。实验结果（AABB 上 mAP：88.3，OBB 上 mAP：77.5）证明了所提算法在枪支检测上的有效性。
引用
@article{arxiv.1904.10032,
title = {Leveraging Orientation for Weakly Supervised Object Detection with Application to Firearm Localization},
author = {Javed Iqbal and Muhammad Akhtar Munir and Arif Mahmood and Afsheen Rafaqat Ali and Mohsen Ali},
journal= {arXiv preprint arXiv:1904.10032},
year = {2021}
}
备注
Accepted for Publication in Neurocomputing