結合深度學習和驗證，實現精確的對象實例檢測（CS CV）

• 2019 年 12 月 31 日
• 筆記

原文題目：Combining Deep Learning and Verification for Precise Object Instance Detection

深度學習對象檢測器經常返回非常可靠的誤報。雖然它們優化了一般的檢測性能，如平均平均精度(mAP)，但它們並不是為可靠性而設計的。對於一個可靠的檢測系統，如果進行了高置信度的檢測，那麼我們就需要高確定性的對象確實被檢測到。為了實現這一點，我們開發了一套驗證測試，這些測試必須通過才能被接受。我們開發了一個理論框架，證明在一定的假設下，我們的驗證測試不會接受任何假陽性。基於對該框架的近似分析，我們提出了一個實用的檢測系統，該系統可以高精度地驗證基於機器學習的目標檢測器的每次檢測是否正確。我們證明了這些測試可以提高基本探測器的整體精度，而且被接受的例子很可能是正確的。這使得探測器能夠在高精度的狀態下工作，因此可以作為可靠的實例檢測方法用於機械人感知系統。

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

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