?？笛芯吭撼銎罚壕哂袌鼍白赃m應概念學習的無監(jiān)督目標檢測

論文地址：http://www.jzus.zju.edu.cn/article.php?doi=10.1631/FITEE.2000567

計算機視覺研究院專欄

作者：Edison_G

今天看了一篇自己研究院出品的文章，雖然21年中的paper，但是技術還是挺有趣，今天我就拿出來分享說一說。

01

技術簡要

目標檢測是計算機視覺領域最熱門的研究方向之一，已經(jīng)在學術界取得了令人矚目的進展，并在業(yè)界有許多有價值的應用。但是，主流的檢測方法仍然存在兩個缺點：

• 即使使用大量數(shù)據(jù)訓練好的模型仍然不能普遍用于不同類型的場景；

• 一旦部署模型，它就不能隨著積累的未標記場景數(shù)據(jù)自主進化。

為了解決這些問題，在視覺知識理論的啟發(fā)下，研究者提出了一種新穎的場景自適應進化無監(jiān)督視頻目標檢測算法，可以通過目標組的概念減少場景變化的影響。

首先通過預訓練的檢測模型從未標記的數(shù)據(jù)中提取大量候選目標。其次，通過對候選進行聚類來構建目標概念的視覺知識字典，其中每個聚類中心代表一個目標原型。第三，研究者們研究了不同簇之間的關系和不同組的目標信息，并提出了一種基于圖的組信息傳播策略來確定目標概念的類別，可以有效區(qū)分正負樣本。使用這些偽標簽，就可以輕松地微調(diào)預訓練模型。

最終通過不同的實驗驗證了所提方法的有效性，取得了顯著的改進！

02

背景簡述

最先進的圖像目標檢測方法主要分為兩組：兩階段方法和一階段方法。典型的兩階段算法有R-CNN、fast R-CNN、faster RCNN、R-FCN、FPN和Libra R-CNN，它們由區(qū)域候選、區(qū)域識別和位置組成。一階段方法將檢測轉換為回歸問題。SSD、YOLO、RetinaNet、CornerNet和FreeAnchor直接預測對象和對象類的位置或角點。

在這項研究中，YOLO-v2作為基礎檢測器。視頻目標檢測類似于圖像目標檢測。唯一的區(qū)別是目標檢測任務中使用了時間信息?，F(xiàn)有的方法可以根據(jù)它們對時間信息的應用分為兩類：特征級學習和后處理策略。

大多數(shù)視頻檢測方法不能直接檢測新場景中的目標。這些檢測器應該使用新的數(shù)據(jù)集進行重新訓練。在這種情況下，一些研究人員提出了無監(jiān)督視頻檢測算法。這些方法的主要策略是無監(jiān)督特征學習、目標挖掘、匹配、跟蹤和域適應。例如，Croitoru等人提出了一種基于視頻主成分分析（PCA）的無監(jiān)督目標挖掘策略，以生成軟掩碼來訓練檢測器。提出了一種跟蹤策略以獲得偽標簽，用于在視頻流中訓練基于CNN的目標檢測器。還有研究者結合自定進度的域適應和分數(shù)軌跡跟蹤策略來自動挖掘目標域樣本以進行無監(jiān)督視頻目標檢測。今天說的新方法是一種場景自適應進化無監(jiān)督視頻目標檢測算法。

03

新框架分析

所提出方法的框架如上圖所示。它由PDG、G-GIP和檢測組成。 

首先，原始數(shù)據(jù)用于訓練初始檢測模型；其次，利用新的場景數(shù)據(jù)通過PDG策略建立目標的視覺知識表示。每一幀新的場景數(shù)據(jù)被發(fā)送到初始檢測模型，用于提取目標候選和相應的特征。所有提取的特征與框尺度信息相結合，通過k-means算法進行聚類，以構建目標原型字典。每個原型都是相應目標組的中心；第三，提出了基于圖的組信息傳播模型，創(chuàng)建正樣本類別，然后從新的場景數(shù)據(jù)集中挖掘具有偽標簽的新訓練樣本；最后，挖掘的數(shù)據(jù)集用于微調(diào)檢測模型以進行新場景檢測。

上圖：目標候選的組內(nèi)置信度傳播和組間信息傳播

每個object proposal的置信度可以通過初始檢測模型得到。置信度值越大，目標候選越有可能是正樣本。計算每組的平均值和標準偏差以供進一步分析。置信度分布如下圖所示。

如上圖所示，右上角組的置信度均值較大，標準差較小，說明該組包含大量正樣本。在這種情況下，提出組內(nèi)置信傳播來選擇初始正樣本組。首先，應用每個目標的置信度平均值來表示每個組。然后，將高置信度組定義為初始正樣本組。

Framework of the graph network (NN is the modification subnet)

04

實驗及可視化

Residential-K dataset的檢測結果