用于部署期间目标检测连续性能监控的逐帧 mAP 预测
计算机视觉与模式识别
2020-11-17 v2
摘要
目标检测的性能监控对于在多变且复杂环境条件下运行的自动驾驶汽车等安全关键应用至关重要。目前，目标检测器使用基于单一数据集的汇总指标进行评估，该数据集被假定能代表所有未来部署条件。实践中此假设不成立，性能随部署条件波动。为解决该问题，我们提出一种在部署期间无需真值数据的性能监控自省方法。具体通过利用检测器的内部特征预测逐帧平均精度（mean average precision）何时降至临界阈值以下。我们定量评估并展示了该方法通过权衡发出警报而错误决策与放弃检测所带来的风险降低能力。
引用
@article{arxiv.2009.08650,
title = {Per-frame mAP Prediction for Continuous Performance Monitoring of Object Detection During Deployment},
author = {Quazi Marufur Rahman and Niko Sünderhauf and Feras Dayoub},
journal= {arXiv preprint arXiv:2009.08650},
year = {2020}
}