Do Object Detection Localization Errors Affect Human Performance and Trust?

要約

境界ボックスは、自動物体検出結果を人間に伝えるためによく使用され、人間がさまざまなタスクを行うのを支援します。
境界ボックスの位置特定エラーと人間のタスクのパフォーマンスとの関係を調査します。
視覚的な複数物体計数タスクに関する観察者のパフォーマンス研究を使用して、さまざまなレベルの境界ボックスの精度で人間の信頼とパフォーマンスの両方を測定します。
結果は、位置特定エラーが人間の精度やシステムの信頼性に重​​大な影響を及ぼさないことを示しています。
再現率と精度のエラーは人間のパフォーマンスと信頼性の両方に影響を与えるため、人間とコンピューターのタスクでは F1 スコアに基づいてアルゴリズムを最適化する方が有益であることが示唆されています。
最後に、この論文では、中央のドットを使用した複数のオブジェクトの計数タスクにおけるバウンディング ボックスの改善を提案し、パフォーマンスの向上と位置特定の不正確さに対する回復力の向上を示しています。

要約(オリジナル)

Bounding boxes are often used to communicate automatic object detection results to humans, aiding humans in a multitude of tasks. We investigate the relationship between bounding box localization errors and human task performance. We use observer performance studies on a visual multi-object counting task to measure both human trust and performance with different levels of bounding box accuracy. The results show that localization errors have no significant impact on human accuracy or trust in the system. Recall and precision errors impact both human performance and trust, suggesting that optimizing algorithms based on the F1 score is more beneficial in human-computer tasks. Lastly, the paper offers an improvement on bounding boxes in multi-object counting tasks with center dots, showing improved performance and better resilience to localization inaccuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google