面向反射目标检测：一个基准数据集
计算机视觉与模式识别
2025-06-24 v2
摘要
得益于深度学习和大规模数据集的进步，目标检测在过去十年中取得了巨大提升。然而，检测表面反射中的目标仍然是一个未被充分探索的领域。反射表面在日常生活中无处不在，出现在家庭、办公室、公共空间和自然环境中。反射目标的准确检测与解读对于多种应用至关重要。本文通过引入一个专门为反射目标检测设计的大规模基准数据集来填补这一空白。我们的反射目标检测数据集（RODD）包含了在各种背景下展示反射目标的多样化图像集合，并为真实目标和反射目标提供了标准标注。这使其有别于传统的目标检测基准。RODD涵盖10个类别，包含21,059张不同背景下的真实目标和反射目标图像，并配有标准的边界框标注以及目标为真实或反射的分类。此外，我们通过适配五种最先进的目标检测模型来处理这一具有挑战性的任务，并给出了基线结果。实验结果突显了现有方法在应用于反射目标检测时的局限性，强调了需要专门的方法。通过发布RODD，我们旨在支持和推进未来关于反射目标检测的研究。数据集和代码可在 https://github.com/jirouvan/ROD 获取。
引用
@article{arxiv.2407.05575,
title = {Towards Reflected Object Detection: A Benchmark},
author = {Yiquan Wu and Zhongtian Wang and You Wu and Ling Huang and Hui Zhou and Shuiwang Li},
journal= {arXiv preprint arXiv:2407.05575},
year = {2025}
}