PrObeD：主动式目标检测封装器
计算机视觉与模式识别
2023-10-31 v1
摘要
先前关于 目标检测的研究聚焦于多种任务，包括通用图像与伪装图像中的目标检测。这些工作被视为目标检测的被动工作，因其直接以输入图像原样处理。然而，神经网络中收敛至全局最小不能保证最优；因此，我们认为目标检测器中训练所得权重并非最优。为纠正此问题，我们提出一种基于主动式方案的封装器 PrObeD，其通过学习一种信号来增强这些目标检测器的性能。PrObeD 由编码器-解码器架构组成，其中编码器网络生成称为模板的依赖于图像的信号以加密输入图像，解码器从加密图像中恢复该模板。我们提出学习最优模板可得到检测性能提升的目标检测器。模板充当输入图像的掩码，以凸显对目标检测器有用的语义。用这些加密图像微调目标检测器可增强通用与伪装场景下的检测性能。我们在 MS-COCO、CAMO、CODK 与 NCK 数据集上的实验表明，应用 PrObeD 后不同检测器均有提升。我们的模型/代码见 https://github.com/vishal3477/Proactive-Object-Detection。
引用
@article{arxiv.2310.18788,
title = {PrObeD: Proactive Object Detection Wrapper},
author = {Vishal Asnani and Abhinav Kumar and Suya You and Xiaoming Liu},
journal= {arXiv preprint arXiv:2310.18788},
year = {2023}
}
备注
Accepted at Neurips 2023