如果两个物体彼此太靠近,物体检测器会在正确分类它们方面做得很差吗?

人工智能 计算机视觉 物体检测
2021-10-23 22:07:55

假设我们有一个经过训练可以检测的物体检测器20产品。如果两个物体彼此太近,一般来说,物体检测器在正确分类它们方面会做得很差吗?如果它们在场景中相距很远,物体检测器会更好地正确分类它们吗?

1个回答

正如您所问的,“一般......”,我会一般地回答,但是这从模型到模型以及它们处理近距离物体的方式发生了很大变化。

一般来说,是的,他们在检测非常接近的物体时会做得很差,为此切换到分割模型(对于类或更好的,实例分割)。

一般来说,物体检测器基于 2 个标准来学习区分一个物体和另一个物体:

  • 并集上的交集:对于同一类的对象
  • 类别概率:针对不同类别的对象

因此,如果同一类的两个对象非常接近,则检测到的 2 个边界框将高度重叠,然后,非极大值抑制过滤器将删除其中一个。这就是物体检测器通常表现较差的地方。

类似地,如果两个对象属于不同的类别,则检测到的 2 个边界框将高度重叠,但 NMS 过滤器不会删除它们(同样,通常,NMS 仅针对相同类别的对象设置)。但是,当 2 个物体非常靠近时,它们很可能被部分遮挡。一般来说,物体检测器不能很好地处理遮挡。

因此,总而言之,物体检测器将更好地检测远处的物体。