开放集合目标检测任务 Open-set Detection

点击上方“计算机视觉工坊”，选择“星标”

第一时间送达干货

作者黄德波

来源丨GiantPandaCV

【最近因为工程需要，去调查一下 open-set detection 算法，然后找到一篇好论文 《Towards Open-Set Object Detection and Discovery》。额外的论文 memory 作为网络记忆缓存，在实现未知物体坐标回归的同时，也挖掘了未知物体的潜在类别。算法很有趣，也涉及到很多自己的知识盲点，所以和大家分享，一起研究。

论文地址：https://arxiv.org/abs/2204.05604

1.介绍

在之前的 open-set object detection (OSOD) 除了检测和识别已知物体外，还将检测一些未知物体，但将所有未知物体归类为 “未知类”。论文提出 Open-Set Object Detection and Discovery (OSODD)，不仅可以检测未知物体，还可以挖掘其潜在类别。OSODD 采用两阶检测方法，先预测已知物体和未知物体，然后学习预测物体的表征，通过无监督和半监督聚类，挖掘未知物体的类别。

2. 任务形式

在 OSODD 假设已知类为 Ck = {C1, C21..，Cm}；未知类为 Cu = {Cm 1, Cm 2, ... Cm n}，Ck 和 Cu 没有交集。训练集只包括 Ck，而测试集是 Ck 和 Cu 的合集。模型的任务是定位和分类所有物体 I = [c, x, y, w, h]，已知物体属于Ck，未知物体属于 Cu。

3. 具体方法

论文提出的 OSODD 包括两部分，分别是 Object Detection and Retrieval (ODR) 和 Object Category Discovery (OCD)。

• ODR 是一个带有两个记忆缓存的开集检测器，对于已知物体，检测器预测他们的位置信息和类别，对于未知物体，只预测其位置信息。其中已知物体和类别信息储存在 known memory 未知物体储存在中间 working memory 中。

• OCD 主要用途 working memory 挖掘未知物体的类别，包括特征编码器和聚类辨别器。首先，使用非监督比较学习方法 known 和 working memory 在中间训练编码器 latent space 学习更好的物体表征。最后用 constrained k-means 聚类。

3.1 Object Detection and Retrieval

open-set object detector 对所有物体进行定位，同时对已知物体进行分类，并将未知物体归类为unknown” 一类。文中使用了 faster-rcnn 作为模型的 backbone，利用了 RPN 对类别没有感知的特征，把那些和 ground-truth 作为位置对象，没有重叠和高度置信的候选框。为了使物体的特征更加不同，作者使用了比较损失，即计算 ROI pooling 特征与模板之间的差异：

其中模板 pi 是该类特征的滑动平均值。 region of interest pooling 中的 loss 变成：

3.2 Object Category Discovery

由于未知物体的类别不确定，这些物体的潜在类别信息只能通过某种方式挖掘出来，本文采用了 DCT，主要通过特殊的无参数学习 k-mean 估计潜在类别数。为了更好地挖掘未知物体的潜在类别，作者在 OCD 加了一个 encoder，用来学习更具辨别性的东西 embedding。在encoder 中使用 known memory 和 working memory 比较学习，增加 positive pairs 相似相似度 negative pairs类似性，类似于减少类内差，增加类间差，更有利于以后的聚类操作。对比学习的 InfoNCE loss 为：

为了使得 embedding 作者还采用了一种无监督的增强方法，分布更好，创建更多的训练样本 {k} 和 q 线性组合取代了原始组合 {k}，对应地，loss 虚拟标签也变成了：

4.实验

在实验中，作者将数据分为三种对应不同的数据 Known / Unknown。对已知物体，使用 mAP 作为检测和评价标准，使用未知物体 UDR 和 UDP 作为检测评价标准：

对于类别挖掘的评价指标，作者采用了聚类精度、归一化互信息和聚类纯度：

因为是 unknown class，因此，不确定具体物体的类别 ID具体是多少，Object Category Discovery (OCD) 也是通过 k-mean 聚类。所以一定要对unknown object 的label 排列组合，计算最大的 ACC，作为最终结果。

5. 结果与分析

作者在 Object Detection 和 Category Discovery 的baseline 对比试验进行了多种组合的消融实验，证明文中提出的方法几乎都达到了最佳性能。

本文仅进行学术分享。如有侵权行为，请联系删除。

下载和学习干货

后台回复：巴塞罗那自治大学课件，下载国外大学沉淀3年D Vison精品课件

后台回复：计算机视觉书籍，即可下载3D视觉领域的经典书籍pdf

后台回复：3D视觉课程，即可学习3D视觉领域的精品课程

计算机视觉车间精品课程官网：3dcver.com

1.自动驾驶领域的多传感器数据集成技术

2.自动驾驶领域3D点云目标检测全栈学习路线！(单模态 多模态/数据 代码)
3.彻底了解视觉三维重建：原理分析、代码解释、优化和改进
4.中国第一门面向工业级实战的点云处理课程
5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码解释
6.彻底理解视觉-惯性-惯性SLAM：基于VINS-Fusion正式开课啦
7.彻底了解基础LOAM框架的3D激光SLAM: 从源代码分析到算法优化
8.室内外激光彻底分析SLAM关键算法原理、代码和实战(cartographer LOAM LIO-SAM)

9.从零开始建造一套结构光3D重建系统[理论 源码 实践]

10.单目深度估计方法:算法梳理和代码实现

11.在自动驾驶中部署深度学习模型

12.相机模与标定(单目+双目+鱼眼）

13.重磅！四旋翼飞行器：算法与实战

14.ROS2从入门到精通：理论与实战

15.国内首个3D缺陷检测教程：理论、源码与实战

重磅！计算机视觉工坊-学习交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有ORB-SLAM系列源码学习、3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、深度估计、学术交流、求职交流等微信群，请扫描下面微信号加群，备注：”研究方向+学校/公司+昵称“，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近4000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

 圈里有高质量教程资料、可答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~