深度学习助力混淆物体检测：华东师大DMCV实验室综述最新研究进展与未来方向

深度学习助力混淆物体检测：华东师大DMCV实验室综述最新研究进展与未来方向

引用

搜狐

1.

https://m.sohu.com/a/808404353_121626808/?pvid=000115_3w_a

混淆物体检测（COD）是计算机视觉中的一个新兴任务，聚焦在复杂背景中精准识别玻璃、镜子和伪装物体等易混淆物体。尽管深度学习社区在这个领域投入越来越多的关注，但现有研究大多专注于特定任务的解决方案，而缺乏对方法论的全面分析。为填补这一空白，CMC编委、华东师范大学计算机科学与技术学院DMCV实验室副研究员谭鑫推出了一篇综述，涵盖了基于深度学习的模型和公开的基准数据集，探讨了未来的研究方向。当前的数据集多集中在图像级的单一物体检测，但也有一些研究扩展到了视频级别。该综述深入分析了当前的最先进COD 方法，探讨其在单物体检测上的表现，并指出了现有方法的局限性及改进建议。此外，作者还探讨了该领域的应用前景，期待推动玻璃、镜子和伪装物体检测技术的进一步发展。

研究背景

玻璃、镜子和伪装物体这些容易混淆的物体，给传统的物体检测方法带来了巨大的挑战。图1左侧三列展示了这些混淆物体的实例。比如，镜子由于其光学特性，常会让检测系统误以为它只是背景的一部分，加上镜子的尺寸和形状多变，以及反射内容的多样性，使得准确检测更加困难。同样，检测玻璃也不容易，因其透光特性使得背后的物体可见，与镜子的反射特点截然不同。这种独特性给玻璃检测带来了与镜子检测不同的难题。相比之下，人类能够较容易地识别玻璃和镜子，但对于伪装物体，如果不特别注意其周围环境，我们很可能完全察觉不到。因此，常规物体检测方法在应对这些混淆物体时往往效果不佳。图1前三列分别展示了混淆物体的例子，最后一列则展示了显著物体。