防止行人检测错误：一种基于身体部位的自我监控框架
计算机视觉与模式识别
2023-07-11 v1 人工智能
摘要
无论外观如何都能检测已学习物体的能力对现实应用中的自主系统至关重要。尤其对于检测行人这一安全关键应用中常作为基础的任务，防止错误至关重要。为应对该挑战，我们提出一种自我监控框架，使感知系统能在运行时执行合理性检查。我们表明，通过加入一个用于检测人体部位的额外组件，与仅在整体人体目标上训练的基线设置相比，我们能将漏检行人数量显著降低至多 9 倍。此外，我们发现，相较于仅在行人上训练，联合在行人和其身体部位上训练模型可使误检数量大幅减少至多 50%。我们在公开数据集 DensePose 和 Pascal VOC 上进行了全面实验，以证明我们框架的有效性。代码见 https://github.com/FraunhoferIKS/smf-object-detection。
引用
@article{arxiv.2307.04533,
title = {Preventing Errors in Person Detection: A Part-Based Self-Monitoring Framework},
author = {Franziska Schwaiger and Andrea Matic and Karsten Roscher and Stephan Günnemann},
journal= {arXiv preprint arXiv:2307.04533},
year = {2023}
}
备注
Accepted for the 35th IEEE Intelligent Vehicles Symposium (IV 2023), 9 pages