P2P-Loc：逐点微小行人定位
计算机视觉与模式识别
2022-01-06 v2
摘要
边界框标注形式一直是视觉目标定位任务中最常用的标注方法。然而，边界框标注依赖于大量精确标注的边界框，成本高且费力。对于某些应用（如微小行人定位）而言，目标尺寸无关紧要，在实际场景中难以采用，甚至冗余。因此，我们提出了一种新颖的基于点的行人定位框架，将每个人标注为一个粗点（CoarsePoint），而非物体范围内任一点的精确边界框。随后，网络预测该人在图像中的2D坐标位置。尽管这极大简化了数据标注流程，但CoarsePoint标注不可避免地降低了标签可靠性（标签不确定性），并在训练时导致网络混淆。为此，我们提出了一种点自精炼方法，以自步方式迭代更新点标注。所提出的精炼系统缓解了标签不确定性并逐步提升定位性能。实验结果表明，我们的方法在节省高达80%标注成本的同时，取得了可比的目标定位性能。
引用
@article{arxiv.2112.15344,
title = {P2P-Loc: Point to Point Tiny Person Localization},
author = {Xuehui Yu and Di Wu and Qixiang Ye and Jianbin Jiao and Zhenjun Han},
journal= {arXiv preprint arXiv:2112.15344},
year = {2022}
}