用于暗光目标检测的正交切向正则化多任务 AET
计算机视觉与模式识别
2022-05-09 v1
摘要
由于光子不足与不良噪声，暗光环境成为计算机视觉算法的挑战。为增强暗光环境下的目标检测，我们提出一种新颖的多任务自编码变换（MAET）模型，其能探索光照变换背后的内在模式。在以自监督方式中，MAET 通过编码和解码考虑物理噪声模型与图像信号处理（ISP）的真实光照退化变换，学习内在视觉结构。基于此表示，我们通过解码边界框坐标与类别完成目标检测任务。为避免两任务的过度纠缠，我们的 MAET 通过施加正交切向正则化来解耦目标与退化特征。这形成一参数化流形，沿此流形多任务预测可通过最大化各任务输出沿切向的正交性进行几何表述。我们的框架可基于主流目标检测架构实现，并使用普通目标检测数据集（如 VOC 和 COCO）直接端到端训练。我们在合成与真实世界数据集上均取得了最先进（SOTA）性能。代码见 https://github.com/cuiziteng/MAET。
引用
@article{arxiv.2205.03346,
title = {Multitask AET with Orthogonal Tangent Regularity for Dark Object Detection},
author = {Ziteng Cui and Guo-Jun Qi and Lin Gu and Shaodi You and Zenghui Zhang and Tatsuya Harada},
journal= {arXiv preprint arXiv:2205.03346},
year = {2022}
}
备注
ICCV 2021. Low-light object detection, code link: https://github.com/cuiziteng/MAET