单阶段类别无关共性物体检测：一种简单基线
计算机视觉与模式识别
2021-04-27 v1
摘要
本文研究共性物体检测问题，旨在从一组图像中检测相似类别的物体。尽管其与标准目标检测和协同分割有一定相似性，但由\cite{Jiang2019a}近期提出的共性物体检测具有一些独特优势与挑战。首先，它被设计用于闭集与开集（即已知与未知物体）条件。其次，它必须能够匹配同类别而非同一实例、纹理或姿态的物体。第三，它能区分多个物体。本工作中，我们提出单阶段共性物体检测（SSCOD）以从图像集中检测类别无关的共性物体。所提方法构建于标准单阶段目标检测器之上。此外，引入一个嵌入分支以生成物体的表征特征，并通过余弦距离度量其相似性。实验在 PASCAL VOC 2007 与 COCO 2014 数据集上进行。在简单灵活的同时，我们基于 ATSSNet 构建的 SSCOD 显著优于标准目标检测的基线，且仍能匹配未知类别的物体。我们的源代码可在\href{https://github.com/cybercore-co-ltd/Single-Stage-Common-Object-Detection}{(URL)}找到。
引用
@article{arxiv.2104.12245,
title = {Single Stage Class Agnostic Common Object Detection: A Simple Baseline},
author = {Chuong H. Nguyen and Thuy C. Nguyen and Anh H. Vo and Yamazaki Masayuki},
journal= {arXiv preprint arXiv:2104.12245},
year = {2021}
}
备注
This paper is accepted to International Conference on Pattern Recognition Applications and Methods (ICPRAM) 2021