目标检测中的碎片化遮挡问题
计算机视觉与模式识别
2020-04-29 v1 图像与视频处理
摘要
尽管深度学习在过去几年中带来了性能的巨幅提升,自然环境中的目标检测仍是一项极具挑战性的任务。基于深度学习的目标检测的一个根本问题在于,无论是训练数据还是现有模型都未针对碎片化遮挡这一挑战而设计。碎片化遮挡比普通的局部遮挡更具挑战性,且频繁出现于森林等自然环境中。碎片化遮挡的一个 motivating 示例是透过枝叶进行目标检测,这是绿色边境监控的一项基本需求。本文利用绿色边境图像对最先进的检测器进行了分析,并提议在新的捕捉碎片化遮挡问题的训练数据上训练 Mask R-CNN。结果表明,对于呈现轻微碎片化遮挡的数据,采用该新训练策略的 Mask R-CNN(相较其他检测器)取得了明显改进。
引用
@article{arxiv.2004.13076,
title = {The Problem of Fragmented Occlusion in Object Detection},
author = {Julian Pegoraro and Roman Pflugfelder},
journal= {arXiv preprint arXiv:2004.13076},
year = {2020}
}
备注
accepted by the Austrian Joint Computer Vision and Robotics Workshop 2020 (https://acvrw20.ist.tugraz.at)