Assessing the applicability of common performance metrics for real-world infrared small-target detection

要約

赤外線小型ターゲット検出 (IRSTD) は、コンピューター ビジョンにおける困難なタスクです。
過去 20 年間、研究者の努力は IRSTD の検出能力を向上させることに専念しています。
新しいアルゴリズムの設計が大幅に改善されたにもかかわらず、評価指標の広範な調査が不足していることは明らかです。
したがって、このホワイトペーパーでは、体系的なアプローチを利用して次のことを行います。まず、現在のメトリックの評価能力を調査します。
次に、一般的な指標の欠点に対処するための新しい評価指標を提案します。
この目的のために、問題を注意深く検討した後、検出を成功させるために必要な条件を分析します。
次に、しきい値設定前およびしきい値設定後のメトリックを含む現在の評価メトリックの欠点が決定されます。
実際のシステムの要件に基づいて、新しいメトリックが提案されます。
最後に、提案されたメトリックを使用して、よく知られている 4 つの小型赤外線ターゲット検出アルゴリズムを比較および評価します。
結果は、新しい指標が定性的な結果と一致していることを示しています。

要約(オリジナル)

Infrared small target detection (IRSTD) is a challenging task in computer vision. During the last two decades, researchers’ efforts are devoted to improving detection ability of IRSTDs. Despite the huge improvement in designing new algorithms, lack of extensive investigation of the evaluation metrics are evident. Therefore, in this paper, a systematic approach is utilized to: First, investigate the evaluation ability of current metrics; Second, propose new evaluation metrics to address shortcoming of common metrics. To this end, after carefully reviewing the problem, the required conditions to have a successful detection are analyzed. Then, the shortcomings of current evaluation metrics which include pre-thresholding as well as post-thresholding metrics are determined. Based on the requirements of real-world systems, new metrics are proposed. Finally, the proposed metrics are used to compare and evaluate four well-known small infrared target detection algorithms. The results show that new metrics are consistent with qualitative results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google