UG^2+挑战赛赛道1报告：评估从无约束移动平台改进视频目标检测与分类的算法
计算机视觉与模式识别
2020-11-23 v4
摘要
我们如何能有效设计出一个能够解读来自无人机等无约束移动平台视频的计算机视觉系统？一个有前景的方案是利用计算摄影领域的图像复原与增强算法来改善底层帧的质量，从而也提升自动视觉识别。沿着这一思路，需要开展探索性工作，以发现哪些图像预处理算法，结合最强的特征和有监督机器学习方法，是应对运动模糊、天气和失焦等困难场景（均为无人机采集图像中的常见伪影）的良好候选。本文总结了与IEEE/CVF CVPR 2019联合举办的UG^2+挑战赛赛道1的协议与结果。该挑战赛关注两个独立问题：（1）视频中目标检测改进，以及（2）视频中目标分类改进。挑战赛使用了UG^2（UAV、Glider、Ground）数据集，这是一个用于评估图像复原与增强和视觉识别之间相互作用的既定基准。学术和企业团队共提交了16种算法，本文详细分析了它们在各挑战问题上的表现。
引用
@article{arxiv.1907.11529,
title = {Report on UG^2+ Challenge Track 1: Assessing Algorithms to Improve Video Object Detection and Classification from Unconstrained Mobility Platforms},
author = {Sreya Banerjee and Rosaura G. VidalMata and Zhangyang Wang and Walter J. Scheirer},
journal= {arXiv preprint arXiv:1907.11529},
year = {2020}
}
备注
Supplemental material: http://bit.ly/UG2Supp