Benchmarking performance of object detection under image distortions in an uncontrolled environment

要約

オブジェクト検出アルゴリズムの堅牢性は、実際のアプリケーション、特に画像取得中の歪みによる制御されていない環境で重要な役割を果たします。
オブジェクト検出方法のパフォーマンスは、キャプチャ内の歪みに悩まされることが証明されています。
この研究では、さまざまなレベルの重大度でさまざまな歪みを持つ画像を含む専用のデータセットを使用して、最先端のオブジェクト検出方法のパフォーマンス評価フレームワークを提示します。
さらに、MS-COCO データセットに適用される画像歪み生成の独自の戦略を提案します。これは、いくつかのローカル歪みとグローバル歪みを組み合わせて、はるかに優れたパフォーマンスを実現します。
提案されたデータセットを使用したトレーニングにより、オブジェクト検出のロバスト性が 31.5\% 向上することが示されました。
最後に、MS-COCO から歪んだ自然画像を含むカスタム データセットを提供して、一般的な歪みに対する堅牢性のより信頼性の高い評価を実行します。
さまざまな歪みのデータベースと生成ソース コードが公開されています。

要約(オリジナル)

The robustness of object detection algorithms plays a prominent role in real-world applications, especially in uncontrolled environments due to distortions during image acquisition. It has been proven that the performance of object detection methods suffers from in-capture distortions. In this study, we present a performance evaluation framework for the state-of-the-art object detection methods using a dedicated dataset containing images with various distortions at different levels of severity. Furthermore, we propose an original strategy of image distortion generation applied to the MS-COCO dataset that combines some local and global distortions to reach much better performances. We have shown that training using the proposed dataset improves the robustness of object detection by 31.5\%. Finally, we provide a custom dataset including natural images distorted from MS-COCO to perform a more reliable evaluation of the robustness against common distortions. The database and the generation source codes of the different distortions are made publicly available

arxiv情報

提供元, 利用サービス

arxiv.jp, Google