黑盒之中何物？目标检测器内部的假阴性机制
计算机视觉与模式识别
2022-08-02 v4 人工智能
机器学习
机器人学
摘要
在目标检测中，当检测器未能检测出目标物体时就会产生假阴性。为理解目标检测器为何产生假阴性，我们识别出五种“假阴性机制”，每种机制描述了检测器架构内某一特定组件失效的方式。聚焦于两阶段和单阶段锚框目标检测器架构，我们提出了一个量化这些假阴性机制的框架。利用该框架，我们研究了 Faster R-CNN 和 RetinaNet 为何在基准视觉数据集和机器人数据集上未能检测出物体。我们表明，检测器的假阴性机制在计算机视觉基准数据集与机器人部署场景之间存在显著差异。这对为基准数据集开发的目标检测器向机器人应用的迁移具有启示意义。代码已公开于 https://github.com/csiro-robotics/fn_mechanisms
引用
@article{arxiv.2203.07662,
title = {What's in the Black Box? The False Negative Mechanisms Inside Object Detectors},
author = {Dimity Miller and Peyman Moghadam and Mark Cox and Matt Wildie and Raja Jurdak},
journal= {arXiv preprint arXiv:2203.07662},
year = {2022}
}
备注
8 pages, 5 figures. Contact emails: [email protected], [email protected], [email protected], [email protected], [email protected]