Localization-Aware Active Learning for Object Detection (ACCV)
原文链接
这是一篇CCF-C文章,简要描述一下思想:
目标检测任务的主动学习中的数据选择大多数都基于classification来,作者同时考虑了classification和localization。
主要提出了两个针对localization的方法:
1. Localization Tightness
如上图所示,计算了region proposal的输出框和最终预测框的IoU来表示Tightness:
T(B0j)=IoU(B0j,R0j)T(B_0^j)=IoU(B_0^j,R_0^j)T(B0j)=IoU(B0j,R0j)
然后再结合classification,综合得出metric:
J(B0j)=∣T(B0j)+Pmax(B0j)−1∣J(B_0^j)=|T(B_0^j)+P_{max}(B_0^j)-1|J(B0j)=∣T(B0j)+Pmax(B0j)−1∣
这里我不敢苟同作者的metric,但是至少其思路挺好的
但是上述方法只能用于two-stage网络,region proposal也就是SS or RPN的output
2.Localization Stability
如图所示,通过增强图片的高斯噪声,评价噪声图片得到的框与原始图片得到的框的差距作为Stability:
SB(B0j)=∑n=1NIoU(B0j,Cn(B0j))NS_B\left(B_0^j\right)=\frac{\sum_{n=1}^N \operatorname{IoU}\left(B_0^j, C_n\left(B_0^j\right)\right)}{N} SB(B0j)=N∑n=1NIoU(B0j,Cn(B0j))
然后再结合classification,综合得出metric:
SI(Ii)=∑j=1MPmax(B0j)SB(B0j)∑j=1MPmax(B0j)S_I\left(I_i\right)=\frac{\sum_{j=1}^M P_{\max }\left(B_0^j\right) S_B\left(B_0^j\right)}{\sum_{j=1}^M P_{\max }\left(B_0^j\right)} SI(Ii)=∑j=1MPmax(B0j)∑j=1MPmax(B0j)SB(B0j)
也就是根据预测的score加权评价。
这个metric同时适用于two-stage和one-stage网络
Experiment
这个虽然在(a)图上看得不明显,但是(b)图以Random方法为基线比较幅度这个小trick还挺好的!!这样更可以让审稿人看出方法得优越性!
TheEnd.The\ End.The End.
Localization-Aware Active Learning for Object Detection (ACCV)相关推荐
- [论文解读]Deep active learning for object detection
Deep active learning for object detection 文章目录 Deep active learning for object detection 简介 摘要 初步 以前 ...
- [论文阅读] Multiple Instance Active Learning for Object Detection
论文地址:https://openaccess.thecvf.com/content/CVPR2021/html/Yuan_Multiple_Instance_Active_Learning_for_ ...
- DenseBox: Unifying Landmark Localization with End to End Object Detection
DenseBox: Unifying Landmark Localization with End to End Object Detection arxiv: http://arxiv.org/ab ...
- Libra R-CNN: Towards Balanced Learning for Object Detection
论文基本信息 标题: Libra R-CNN: Towards Balanced Learning for Object Detection 作者: JiangmiaoPang, Kai Chen, ...
- Delving into Localization Errors for Monocular 3D Object Detection 论文学习
论文地址:Delving into Localization Errors for Monocular 3D Object Detection Github地址:Delving into Locali ...
- 【论文笔记】:Libra R-CNN: Towards Balanced Learning for Object Detection
&Title: Libra R-CNN: Towards Balanced Learning for Object Detection &Summary 检测不平衡问题包括:样本层面( ...
- 《Recent Advances in Deep Learning for Object Detection 》笔记
最近看了一篇目标检测的综述,之前对目标检测的认识不是很多,所以简单地记录一下笔记,由于是很早之前写的,对目标检测的很多概念都还不是很清楚,简单记录一下.这篇论文主要讲了目前的目标检测算法的一些设置.检 ...
- 论文阅读笔记五十三:Libra R-CNN: Towards Balanced Learning for Object Detection(CVPR2019)
论文原址:https://arxiv.org/pdf/1904.02701.pdf github:https://github.com/OceanPang/Libra_R-CNN 摘要 相比模型的结构 ...
- Week 8 Deep learning for object detection
目标检测(Object Detection)_图像算法AI的博客-CSDN博客_目标检测
最新文章
- 如何调整金格电子章服务器印章_大型集团公司的印章管理方法
- 紫书 习题 10-17 UVa 11105 (筛法)
- 随机森林c++_100天搞定机器学习|Day3334 随机森林
- java reduce.mdn_reduce高级用法
- java转net_将java库转换为.net库
- 02.Python基础_标准数据类型_数值型_字符串
- json session cookie介绍和使用
- 2020校招薪酬大比拼,PDD好猛!旧人没有新人香,你被倒挂了没?
- 鸟哥的linux的私房菜基础学习篇,鸟哥的Linux私房菜 基础学习篇-鸟哥.pdf
- python123高次方程求根_GitHub - loveunk/math-advanced-algebra-notes: 根据丘维声的《高等代数》整理...
- c语言贪吃蛇作业报告,贪吃蛇设计报告
- Web敏感目录快速扫描软件 wwwscan
- VFP 常用 OCX 控件 注册
- 临床大数据分析与挖掘
- 15个最佳电子商务Android应用模板
- 基于Java SpringBoot的电影院管理系统设计与实现毕业设计源码011633
- UVA - 12304 2D Geometry 110 in 1!
- MATLAB语言中int函数
- 清晰扫描件怎么弄:试试扫描裁缝ScanTailor Advanced吧 | 含scantailor使用方法
- 恒天然NZMP品牌干酪在2018年国际奶酪大赛中荣获八枚奖牌