无需边界框的目标定位
计算机视觉与模式识别
2019-04-04 v2
摘要
卷积神经网络(CNN)的最新进展在图像中定位目标方面取得了显著成果。在这些网络中，训练过程通常需要提供边界框或预期目标的最大数量。本文中，我们解决在无标注边界框(通常需手工绘制且标注耗时)的情况下估计目标位置的任务。我们提出了一种可用于任意全卷积网络(FCN)中以估计目标位置的损失函数。该损失函数是对两组无序点之间平均豪斯多夫距离的一种改进。所提方法不涉及边界框、区域提议或滑动窗口的概念。我们使用三个旨在定位人头、瞳孔中心和植物中心的数据集评估了我们的方法。我们的方法优于最先进的通用目标检测器以及为瞳孔跟踪微调的方法。
引用
@article{arxiv.1806.07564,
title = {Locating Objects Without Bounding Boxes},
author = {Javier Ribera and David Güera and Yuhao Chen and Edward J. Delp},
journal= {arXiv preprint arXiv:1806.07564},
year = {2019}
}
备注
12 pages, double-column, 8 figures, accepted at Computer Vision and Pattern Recognition (CVPR) 2019