面向自适应计算机视觉的分布外检测
计算机视觉与模式识别
2023-05-17 v1 机器学习
摘要
众所周知，计算机视觉在面临先前未见的成像条件时可能不可靠。本文提出一种基于归一化流的分布外检测器来调整相机参数的方法。一项小规模研究表明，根据该分布外检测器调整相机参数可使YOLOv4目标检测器的mAP、mAR和F1性能指标平均提升3至4个百分点。作为次要结果，本文还表明可以在COCO数据集上训练用于分布外检测的归一化流模型，该数据集比大多数分布外检测器的基准更大且更多样。
引用
@article{arxiv.2305.09293,
title = {Out-of-Distribution Detection for Adaptive Computer Vision},
author = {Simon Kristoffersson Lind and Rudolph Triebel and Luigi Nardi and Volker Krueger},
journal= {arXiv preprint arXiv:2305.09293},
year = {2023}
}
备注
Published in Springer Lecture Notes for Computer Science Vol. 13886 as part of the conference proceedings for Scandinavian Conference on Image Analysis 2023