结合深度学习和验证，实现精确的对象实例检测（CS CV）

• 2019 年 12 月 31 日
• 筆記

原文题目：Combining Deep Learning and Verification for Precise Object Instance Detection

深度学习对象检测器经常返回非常可靠的误报。虽然它们优化了一般的检测性能，如平均平均精度(mAP)，但它们并不是为可靠性而设计的。对于一个可靠的检测系统，如果进行了高置信度的检测，那么我们就需要高确定性的对象确实被检测到。为了实现这一点，我们开发了一套验证测试，这些测试必须通过才能被接受。我们开发了一个理论框架，证明在一定的假设下，我们的验证测试不会接受任何假阳性。基于对该框架的近似分析，我们提出了一个实用的检测系统，该系统可以高精度地验证基于机器学习的目标检测器的每次检测是否正确。我们证明了这些测试可以提高基本探测器的整体精度，而且被接受的例子很可能是正确的。这使得探测器能够在高精度的状态下工作，因此可以作为可靠的实例检测方法用于机器人感知系统。

原文作者：Siddharth Ancha, Junyu Nan, David Held

原文地址：http://cn.arxiv.org/abs/1912.12270