面向微小行人检测的尺度匹配方法
计算机视觉与模式识别
2019-12-24 v1
摘要
随着深度卷积神经网络的兴起，视觉目标检测取得了前所未有的进展。然而，在大尺度图像中检测微小目标（例如小于 20 像素的微小行人）仍未被充分研究。极小目标对特征表示提出了巨大挑战，而海量且复杂的背景增加了误报风险。本文引入了一个称为 TinyPerson 的新基准，为远距离、海量背景下的微小目标检测开辟了有前景的方向。我们通过实验发现，用于网络预训练的数据集与用于检测器学习的数据集之间的尺度失配会恶化特征表示和检测器。据此，我们提出了一种简单而有效的尺度匹配（Scale Match）方法，以对齐两个数据集间的目标尺度，从而获得良好的微小目标表示。实验表明，相较于最先进的检测器，我们所提方法取得了显著的性能提升，并且 TinyPerson 中与真实场景相关的挑战性方面也得以体现。TinyPerson 基准和我们方法的代码将公开可用（https://github.com/ucas-vg/TinyBenchmark）。（注意：本文被接收后基准中 AP 的评估规则已更新，因此本文使用旧规则。我们将在基准中保留 AP 的旧规则，但推荐使用新规则，且我们将在后续研究中使用新规则。）
引用
@article{arxiv.1912.10664,
title = {Scale Match for Tiny Person Detection},
author = {Xuehui Yu and Yuqi Gong and Nan Jiang and Qixiang Ye and Zhenjun Han},
journal= {arXiv preprint arXiv:1912.10664},
year = {2019}
}
备注
accepted by WACV2020