部署前注入用于运行时可重置的对象检测

科学领域:

• 计算机视觉 计算机视觉
• 机器学习 机器学习
• 人工智能的人工智能

背景情况:

• 对象关系上下文在训练和测试数据分布对齐时改善对象检测.
• 跨越空间和时间的数据分布的转移引入了对象探测器中有害的训练集偏差.
• 现有的探测器缺乏在没有参数更新的情况下在测试期间纳入部署上下文先验的能力.

研究的目的:

• 开发一个能够在运行时结合部署上下文先验而不需要参数更新的对象检测器.
• 为了使检测器能够明确地学习与上下文先验有关的解的表示.
• 引入一种方法,使探测器"重新偏向"到一个特定的前动态上下文.

主要方法:

• 引入了一个额外的图输入,表示部署上下文之前,边缘值表示对象关系.
• 用修改的目标训练了探测器,以确保其行为受到图形输入的约束.
• 启用了运行时适应,允许图形编辑注入部署上下文前置,而无需进行参数更新.

主要成果:

• 拟议的探测器可以在运行时使用图形编辑重新偏差,以适应特定的部署环境.
• 探测器使用近似的部署先验证明了自我调节能力,当实际先验未知时.
• 对COCO和Objects365数据集的实验证实了运行时可重置检测器的有效性.

结论:

• 开发的探测器通过实现运行时上下文适应,有效地解决了数据分布转移的挑战.
• 这种方法允许在多样化和动态环境中灵活和高效地部署物体探测器.
• 在没有参数更新的情况下重新偏差探测器的能力显著提高了它们的实际适用性和稳定性.