未知感知目标检测：从野外视频中学习你未知的事物
计算机视觉与模式识别
2022-03-09 v1
摘要
构建能够检测分布外（OOD）物体的可靠目标检测器至关重要却研究不足。关键挑战之一是模型缺乏来自未知数据的监督信号，从而对 OOD 物体产生过度自信的预测。我们提出一种通过时空未知蒸馏（Spatial-Temporal Unknown Distillation, STUD）的新未知感知目标检测框架，其从野外视频中蒸馏未知物体并有意义地正则化模型的决策边界。STUD 首先在空间维度识别未知候选物体提议，随后跨多个视频帧聚合候选以形成靠近决策边界的多样化未知物体集合。同时，我们采用基于能量的不确定性正则化损失，对比性地塑造分布内物体与蒸馏所得未知物体之间的不确定性空间。STUD 在目标检测的 OOD 检测任务上确立了最先进性能，相较先前最佳方法将 FPR95 分数降低超过 10%。代码见 https://github.com/deeplearning-wisc/stud。
引用
@article{arxiv.2203.03800,
title = {Unknown-Aware Object Detection: Learning What You Don't Know from Videos in the Wild},
author = {Xuefeng Du and Xin Wang and Gabriel Gozum and Yixuan Li},
journal= {arXiv preprint arXiv:2203.03800},
year = {2022}
}
备注
CVPR2022