UADet：一种异常简单却高效的不确定性感知开放集目标检测框架
计算机视觉与模式识别
2024-12-13 v1
摘要
我们解决了开放集目标检测（OSOD）这一具有挑战性的问题，旨在检测未标记图像中的已知和未知目标。主要难点在于缺乏对这些未知类别的监督，导致其难以与背景区分。现有的OSOD检测器要么未能充分利用，要么未能充分利用训练数据中丰富的未标记未知目标，从而限制了性能。为此，我们提出了UADet——一种不确定性感知开放集目标检测器，考虑外观不确定性和几何不确定性。通过整合这些不确定性措施，UADet有效地减少了由前方法产生的未注释实例被错误利用或遗漏的数量。大量实验表明，UADet在检测已知和未知目标方面显著优于先前的状态方法（SOTA），在未知召回率上实现了1.8倍的提升，同时保持了对已知类别的高性能。当扩展到开放世界目标检测（OWOD）时，我们的方法在M-OWODB和S-OWODB基准测试中分别在未知召回率上优于当前SOTA方法，平均提升了13.8%和6.9%。广泛的结果验证了该不确定性感知方法在不同开放集场景下的有效性。
引用
@article{arxiv.2412.09229,
title = {UADet: A Remarkably Simple Yet Effective Uncertainty-Aware Open-Set Object Detection Framework},
author = {Silin Cheng and Yuanpei Liu and Kai Han},
journal= {arXiv preprint arXiv:2412.09229},
year = {2024}
}
备注
Under review