TetraPackNet：物流场景下基于四角的目标检测
计算机视觉与模式识别
2021-06-24 v2 人工智能
机器学习
摘要
常见的图像目标检测任务侧重于以边界框或分割掩码作为目标表示，而我们考虑基于四个任意顶点寻找目标的问题。我们提出了一种名为 TetraPackNet 的新模型来解决该问题。TetraPackNet 基于 CornerNet，并使用了类似的算法与思路。它面向需要高精度检测规则形状目标的应用，这正是包装结构识别这一物流用例中的情形。我们在该用例专用的真实世界数据集上评估了我们的模型。以由 Mask R-CNN 模型及适当后处理步骤构成的先前方案为基线，TetraPackNet 在基于四角的运输单元侧面检测子任务中取得了更优结果（准确率高出 9%）。
引用
@article{arxiv.2104.09123,
title = {TetraPackNet: Four-Corner-Based Object Detection in Logistics Use-Cases},
author = {Laura Dörr and Felix Brandt and Alexander Naumann and Martin Pouls},
journal= {arXiv preprint arXiv:2104.09123},
year = {2021}
}