Unknown Sniffer for Object Detection: Don’t Turn a Blind Eye to Unknown Objects

要約

タイトル：「未知の物体検出のためのUnknown Sniffer：不明な物体を見逃すことはないでしょう」

要約：

– Open-world objectとopen-set detectionは、未だ見たことのないオブジェクトを見つけ出すことに成功し、それらを既知のものと区別することを実現した。しかし、既知のクラスから未知のものへの知識転移についての研究は十分ではなく、背景に隠された未知の物体を検出する能力に欠けている。
– 本論文では、未知の物体だけでなく既知の物体も検出するUnknown Sniffer（UnSniffer）を提案する。まず、Generalized Object Confidence（GOC）スコアを導入し、既知のサンプルだけを監督対象とし、背景での未知の物体を不適切に抑制することを回避する。
– また、既知のオブジェクトから学習したこのような信頼スコアは、未知のオブジェクトにも一般化できる。さらに、背景の非オブジェクトサンプルをさらに抑制するために、Negative Energy Suppression Lossを提案する。
– 次に、トレーニング時にセマンティック情報がないため、各未知物の最適な枠を把握することが困難であるため、手動設計のNMSポスト処理を置き換えるグラフベースの決定スキームを導入する。
– 最後に、我々はUnknown Object Detection Benchmarkを提供し、我々の知る限りで初めて未知の検出の精度評価を包括する公開ベンチマークです。実験結果は、我々の方法が既存の最先端の方法よりも優れていることを示しています。

要約(オリジナル)

The recently proposed open-world object and open-set detection have achieved a breakthrough in finding never-seen-before objects and distinguishing them from known ones. However, their studies on knowledge transfer from known classes to unknown ones are not deep enough, resulting in the scanty capability for detecting unknowns hidden in the background. In this paper, we propose the unknown sniffer (UnSniffer) to find both unknown and known objects. Firstly, the generalized object confidence (GOC) score is introduced, which only uses known samples for supervision and avoids improper suppression of unknowns in the background. Significantly, such confidence score learned from known objects can be generalized to unknown ones. Additionally, we propose a negative energy suppression loss to further suppress the non-object samples in the background. Next, the best box of each unknown is hard to obtain during inference due to lacking their semantic information in training. To solve this issue, we introduce a graph-based determination scheme to replace hand-designed non-maximum suppression (NMS) post-processing. Finally, we present the Unknown Object Detection Benchmark, the first publicly benchmark that encompasses precision evaluation for unknown detection to our knowledge. Experiments show that our method is far better than the existing state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI