部署期间物体检测性能的在线监测

在部署期间，物体检测器预期以在其测试数据集上所报告的性能水平相近的方式运行。然而，当部署在处于多变且复杂环境条件下运行的移动机器人上时，检测器的性能可能波动并偶尔在无预警情况下严重退化。若未被察觉，这会导致机器人基于低质量且不可靠的物体检测结果采取不安全且危险的行动。我们针对此问题，引入一种级联神经网络，通过预测物体检测器在输入帧滑动窗口上平均精度均值（mAP）的质量来监测其性能。所提级联网络利用了物体检测器深度神经网络的内部特征。我们使用不同的自动驾驶数据集与物体检测器组合评估了所提方法。