拥挤场景中的渐进式端到端目标检测
计算机视觉与模式识别
2022-05-03 v3
摘要
本文提出一种新的基于查询的检测框架用于拥挤场景检测。以往的基于查询的检测器存在两个缺陷：其一，在拥挤场景中通常会对单个物体推断出多个预测；其二，随着解码阶段深度的增加性能趋于饱和。得益于一对一标签分配规则的本质，我们提出一种渐进式预测方法来解决上述问题。具体而言，我们首先筛选易于生成真阳性预测的已接受查询，然后根据先前接受的预测对剩余的噪声查询进行精炼。实验表明，我们的方法能显著提升基于查询的检测器在拥挤场景中的性能。结合我们的方法，Sparse RCNN 在具有挑战性的 CrowdHuman 数据集上取得了 92.0% AP、41.4% MR^{-2} 和 83.2% JI，优于专门处理拥挤场景的基于框的方法 MIP。此外，该方法对拥挤程度具有鲁棒性，在 CityPersons 和 COCO 等中等及轻度拥挤的数据集上仍能获得一致的提升。代码将公开于 https://github.com/megvii-model/Iter-E2EDET。
引用
@article{arxiv.2203.07669,
title = {Progressive End-to-End Object Detection in Crowded Scenes},
author = {Anlin Zheng and Yuang Zhang and Xiangyu Zhang and Xiaojuan Qi and Jian Sun},
journal= {arXiv preprint arXiv:2203.07669},
year = {2022}
}