视觉数据中方向感知的武器检测：一个基准数据集
计算机视觉与模式识别
2022-09-22 v1
摘要
武器自动检测对提升个人安全与福祉具有重要意义，但由于武器在尺寸、形状与外观上的高度多样性，该任务十分困难。视角变化与遮挡也是使该任务更困难的原因。此外，现有目标检测算法处理矩形区域，而细长步枪可能仅覆盖其中很小部分，其余多为无关细节。为克服这些问题，我们提出一种用于方向感知武器检测的 CNN 架构，其提供有向边界框并提升武器检测性能。所提模型不仅将角度作为分类问题划分为八类来提供方向，还将角度作为回归问题。为训练武器检测模型，我们从网络收集并人工标注了共计 6400 张武器图像的位置有向边界框。我们的数据集不仅提供有向边界框作为真值，也提供水平边界框。我们还以多种现代目标检测器格式提供该数据集以推动后续研究。所提模型在此数据集上评估，与现成目标检测器的对比分析表明其以标准评价策略衡量具有更优性能。数据集与模型实现公开于：https://bit.ly/2TyZICF。
引用
@article{arxiv.2112.02221,
title = {Orientation Aware Weapons Detection In Visual Data : A Benchmark Dataset},
author = {Nazeef Ul Haq and Muhammad Moazam Fraz and Tufail Sajjad Shah Hashmi and Muhammad Shahzad},
journal= {arXiv preprint arXiv:2112.02221},
year = {2022}
}
备注
Submitted this paper in Journal