面向交通监控的非锚框车辆检测：基于包围椭圆
计算机视觉与模式识别
2021-03-08 v2
摘要
交通监控摄像头通常杆装，所生成图像呈鸟瞰视角。此类图像中的车辆一般呈椭圆形态。当车辆朝向不与检测框边缘平行时，车辆的包围盒常包含大量空白区域。为规避该问题，本研究将包围椭圆应用于非锚框单阶段检测模型（CenterNet）。由于该模型不依赖锚框，推理时无需计算预测包围盒间交并比（intersection over union, IOU）的非极大值抑制（non-max suppression, NMS）。我们还测试了通过添加分割头扩展 CenterNet 的 SpotNet 配合包围椭圆的表现。另选取两种锚框单阶段检测模型（YOLO4 和 SSD）作为对比参照。基于同时以包围盒和椭圆双重标注的本地数据集比较模型性能。结果表明，使用包围椭圆的两种模型性能超越使用包围盒的参照模型。当椭圆模型的主干在开放数据集（UA-DETRAC）上预训练后，性能进一步提升。为 YOLO4 开发的数据增强方案也改善了所提模型性能。最终，采用包围椭圆的 CenterNet 最佳 mAP 得分超过 0.9。
引用
@article{arxiv.2010.02059,
title = {Non-anchor-based vehicle detection for traffic surveillance using bounding ellipses},
author = {Byeonghyeop Yu and Johyun Shin and Gyeongjun Kim and Seungbin Roh and Keemin Sohn},
journal= {arXiv preprint arXiv:2010.02059},
year = {2021}
}
备注
13 pages, 6 figures