SuPEr-SAM:利用姿态估计器的监督信号训练空间注意力模块以识别个人防护装备
计算机视觉与模式识别
2020-11-03 v2
摘要
我们提出一种深度学习方法,用于在人物图像中自动检测个人防护装备(PPE),如头盔、外科口罩、反光背心、靴子等。基于深度学习的 PPE 检测典型方法为:(i) 训练针对上述物品的目标检测器,或 (ii) 训练人体检测器和分类器,分类器接收检测器预测的边界框并区分穿戴与未穿戴相应 PPE 物品的人。我们提出一种新颖且准确的方法,使用三个组件:人体检测器、身体姿态估计器和分类器。我们的新颖性在于仅在训练时使用姿态估计器,以提升分类器的预测性能。我们通过添加空间注意力机制来修改分类器的神经架构,该机制利用来自姿态估计器的监督信号进行训练。以此方式,分类器学会聚焦于 PPE 物品,利用来自姿态估计器的知识,且在推理时几乎无计算开销。
引用
@article{arxiv.2009.12339,
title = {SuPEr-SAM: Using the Supervision Signal from a Pose Estimator to Train a Spatial Attention Module for Personal Protective Equipment Recognition},
author = {Adrian Sandru and Georgian-Emilian Duta and Mariana-Iuliana Georgescu and Radu Tudor Ionescu},
journal= {arXiv preprint arXiv:2009.12339},
year = {2020}
}
备注
Accepted at WACV 2021