用于小目标检测的切片辅助超推理与微调
计算机视觉与模式识别
2022-10-26 v5 机器学习
摘要
场景中远处小物体与微小目标的检测是监控应用中的一大挑战。此类物体在图像中由极少像素表示且缺乏充足细节，难以用常规检测器检测。本工作中提出了一个称为切片辅助超推理（SAHI）的开源框架，为小目标检测提供通用的切片辅助推理与微调流水线。所提技术之所以通用，是因为它可应用于任何现有目标检测器之上而无需微调。使用 Visdrone 与 xView 航拍目标检测数据集上的目标检测基线进行的实验评估表明，所提推理方法可分别为 FCOS、VFNet 和 TOOD 检测器提升目标检测 AP 达 6.8%、5.1% 和 5.3%。此外，通过切片辅助微调可进一步提升检测精度，按相同顺序累计提升 AP 达 12.7%、13.4% 和 14.5%。所提技术已与 Detectron2、MMDetection 和 YOLOv5 模型集成，并在 https://github.com/obss/sahi.git 公开可用。
引用
@article{arxiv.2202.06934,
title = {Slicing Aided Hyper Inference and Fine-tuning for Small Object Detection},
author = {Fatih Cagatay Akyon and Sinan Onur Altinuc and Alptekin Temizel},
journal= {arXiv preprint arXiv:2202.06934},
year = {2022}
}
备注
Presented at ICIP 2022, 5 pages, 4 figures, 2 tables