Object-QA：面向高可靠目标质量评估
计算机视觉与模式识别
2020-05-28 v1
摘要
在目标识别应用中，目标图像通常呈现不同的质量水平。实际上，指示目标图像质量对于提升应用性能十分重要，例如过滤低质量目标图像帧以维持鲁棒的 video 目标识别结果并加速推理。然而，此前尚无工作显式提出解决该问题。本文首次定义目标质量评估问题，并提出一种名为 Object-QA 的有效方法，为目标图像评估高可靠的质量分数。具体地，Object-QA 首先采用精心设计的相对质量评估模块，通过参照目标图像与其估计模板之间的差异来学习类内层级质量分数；随后设计绝对质量评估模块，通过在类间对齐质量分数分布来生成最终质量分数。此外，Object-QA 仅需目标级标注即可实现，并易于部署到多种目标识别任务中。据我们所知，这是首项提出该问题定义并进行定量评估的工作。在 5 个不同数据集上的验证表明，Object-QA 不仅能评估符合人类认知的高可靠质量分数，还能提升应用性能。
引用
@article{arxiv.2005.13116,
title = {Object-QA: Towards High Reliable Object Quality Assessment},
author = {Jing Lu and Baorui Zou and Zhanzhan Cheng and Shiliang Pu and Shuigeng Zhou and Yi Niu and Fei Wu},
journal= {arXiv preprint arXiv:2005.13116},
year = {2020}
}