论大物体基于 CNN 的目标检测算法中的重要性
计算机视觉与模式识别
2023-11-21 v1
摘要
目标检测模型是一类显著的机器学习算法，旨在识别并精确定位图像或视频中的物体。然而，该任务有时会产生不均衡的性能，其部分成因在于物体尺寸以及用于训练的图像与标签的质量。在本文中，我们强调了大物体在习得对所有尺寸均关键的特征中的重要性。鉴于这些发现，我们提议在训练损失中引入一个加权项。该项为物体面积尺寸的函数。我们展示，赋予大物体更多权重可提升所有物体尺寸上的检测分数，从而带来目标检测器性能的整体改进（在 COCO val 2017 上采用 InternImage-T 时，小物体 mAP +2 个百分点、中物体 +2 个百分点、大物体 +4 个百分点）。基于不同模型与不同数据集的附加实验与消融研究进一步确认了我们发现的鲁棒性。
引用
@article{arxiv.2311.11714,
title = {On the Importance of Large Objects in CNN Based Object Detection Algorithms},
author = {Ahmed Ben Saad and Gabriele Facciolo and Axel Davy},
journal= {arXiv preprint arXiv:2311.11714},
year = {2023}
}