SHOP：一种基于深度学习的近实时模糊视频中小手持物体检测流水线
计算机视觉与模式识别
2022-05-05 v1 机器学习
摘要
尽管先前的研究已探讨并开发了能够进行物体检测的计算模型，但这些模型在可靠地解释带有运动模糊和小物体的图像时仍存在困难。此外，这些模型均非专为手持物体检测而设计。在本工作中，我们提出 SHOP（Small Handheld Object Pipeline，小手持物体流水线），一种能够可靠且高效地解释包含手持物体的模糊图像的流水线。流水线各阶段所使用的具体模型是灵活的，可根据性能需求进行更换。首先，对图像进行去模糊处理，随后通过姿态检测系统，在出现的人物的手部周围提出感兴趣区域。接下来，由单阶段物体检测器对图像执行物体检测。最后，利用提出的感兴趣区域过滤掉低置信度检测。在 Microsoft Common Objects in Context (MS COCO) 的手持子集上的测试表明，在其最强配置下，这一三阶段流程使假阳性减少了 70%，而真阳性仅减少 17%。我们还提出了一个仅由手持物体组成的 MS COCO 子集，可用于持续推进手持物体检测方法的发展。https://github.com/spider-sense/SHOP
引用
@article{arxiv.2203.15228,
title = {SHOP: A Deep Learning Based Pipeline for near Real-Time Detection of Small Handheld Objects Present in Blurry Video},
author = {Abhinav Ganguly and Amar C Gandhi and Sylvia E and Jeffrey D Chang and Ian M Hudson},
journal= {arXiv preprint arXiv:2203.15228},
year = {2022}
}
备注
8 pages, 5 figures. Accepted to IEEE SoutheastCon 2022