理解图像质量与物体距离对目标检测性能的影响
计算机视觉与模式识别
2022-09-20 v1
摘要
深度学习在图像目标检测方面取得了巨大进展。目标检测的精度与计算成本取决于图像的空间分辨率，而空间分辨率可能受到相机和存储因素的限制。压缩通常通过降低空间分辨率或幅度分辨率，或有时同时降低两者来实现，这两者都对性能有众所周知的影响。检测精度还取决于感兴趣物体与相机的距离。我们的工作考察了空间分辨率、幅度分辨率以及物体距离对目标检测精度和计算成本的影响。我们开发了 YOLOv5 的一种分辨率自适应变体（RA-YOLO），它根据输入图像的空间分辨率改变特征金字塔和检测头中的尺度数量。为了训练和评估这一新方法，我们通过结合 TJU 和 Eurocity 数据集中的图像并施加空间缩放与压缩生成不同分辨率，创建了一个具有多样空间与幅度分辨率的图像数据集。我们首先表明，RA-YOLO 在很大空间分辨率范围内实现了检测精度与推理时间之间的良好权衡。然后，我们使用所提出的 RA-YOLO 模型评估空间与幅度分辨率对目标检测精度的影响。我们证明，导致最高检测精度的最优空间分辨率取决于“可容忍”的图像尺寸。我们进一步评估物体到相机的距离对检测精度的影响，并表明更高的空间分辨率可实现更大的检测范围。这些结果为在实际应用中根据可用带宽、存储、期望推理时间和/或期望检测范围选择图像空间分辨率和压缩设置提供了重要指导。
引用
@article{arxiv.2209.08237,
title = {Understanding the Impact of Image Quality and Distance of Objects to Object Detection Performance},
author = {Yu Hao and Haoyang Pei and Yixuan Lyu and Zhongzheng Yuan and John-Ross Rizzo and Yao Wang and Yi Fang},
journal= {arXiv preprint arXiv:2209.08237},
year = {2022}
}