利用跨域检测损失推断多尺度信息以改进微小头部跟踪
计算机视觉与模式识别
2025-05-30 v1
摘要
头部检测与跟踪对于下游任务至关重要，但当前方法通常需要大量的计算预算，这会增加延迟并占用资源（如处理器、内存和带宽）。为了解决这一问题，我们提出了一个框架，通过优化性能与效率之间的平衡来增强微小头部检测与跟踪。我们的框架集成了：（1）跨域检测损失，（2）多尺度模块，以及（3）小感受野检测机制。这些创新通过弥合大检测器与小检测器之间的差距、在训练期间捕获多尺度的高频细节，以及使用具有小感受野的滤波器来检测微小头部，从而增强了检测能力。在 CroHD 和 CrowdHuman 数据集上的评估显示，多目标跟踪精度（MOTA）和平均精度均值（mAP）均有所提升，证明了我们的方法在拥挤场景中的有效性。
引用
@article{arxiv.2505.22677,
title = {Using Cross-Domain Detection Loss to Infer Multi-Scale Information for Improved Tiny Head Tracking},
author = {Jisu Kim and Alex Mattingly and Eung-Joo Lee and Benjamin S. Riggan},
journal= {arXiv preprint arXiv:2505.22677},
year = {2025}
}
备注
To appear at IEEE International Conference on Automatic Face and Gesture 2025 (FG2025)