RestoreDet：面向低分辨率图像目标退化的等变表示检测方法
图像与视频处理
2022-01-10 v1 计算机视觉与模式识别
摘要
超分辨率(SR)等图像复原算法是退化图像中目标检测不可或缺的预处理模块。然而，这类算法大多假设退化是固定的且先验已知。当真实退化未知或与假设不符时，预处理模块及后续的高级任务(如目标检测)都会失效。为此，我们提出一种新颖的框架 RestoreDet，用于在退化的低分辨率图像中检测目标。RestoreDet 利用下采样退化作为一种变换来生成自监督信号，以探索针对不同分辨率及其他退化条件的等变表示。具体而言，我们通过编码和解码一对原始图像与随机退化图像之间的退化变换，来学习这种内在的视觉结构。该框架还可借助任意分辨率复原解码器利用先进的 SR 架构，从退化输入图像中重建原始对应关系。表示学习与目标检测均以端到端训练方式联合优化。RestoreDet 是一个通用框架，可部署于任意主流目标检测架构。大量实验表明，基于 CenterNet 的我们的框架在面临多种退化情形时，相比现有方法取得了更优性能。我们的代码将很快发布。
引用
@article{arxiv.2201.02314,
title = {RestoreDet: Degradation Equivariant Representation for Object Detection in Low Resolution Images},
author = {Ziteng Cui and Yingying Zhu and Lin Gu and Guo-Jun Qi and Xiaoxiao Li and Peng Gao and Zenghui Zhang and Tatsuya Harada},
journal= {arXiv preprint arXiv:2201.02314},
year = {2022}
}
备注
11 pages, 3figures