海康威视研究院浦世亮等 | 基于场景自适应概念学习的无监督目标检测
目标检测是机器视觉领域最热门的研究方向之一，在学术界已取得令人瞩目的成果，在工业界也存在许多有价值的应用。然而，主流的检测方法仍有两个缺陷：（1）即使是经过大量数据有效训练的模型，仍然无法很好地泛化到新场景中；（2）模型一旦部署到位，则无法随着不断累积的无标注数据自主进化。为克服上述问题，受视觉知识理论启发，提出一种场景自适应进化的无监督视频目标检测算法，该算法可利用目标群体概念，降低场景变化带来的不利影响。首先通过预训练检测模型从无标注数据中提取大量候选目标，然后对候选目标聚类，构建目标概念的视觉知识字典，其中各个聚类中心代表一种目标原型。其次，通过研究不同目标簇和不同群体目标信息之间的关系，提出基于图的群体信息传播策略以判断目标概念的归属，可有效区分候选目标。最终，利用收集到的伪类标微调预训练模型，实现算法对新场景的自适应。算法的有效性得到多个不同实验的验证，且性能提升显著。
关键词：
视觉知识；无监督视频目标检测；场景自适应学习
作者：
点击下方“阅读全文”，下载全文PDF
Frontiers of Information Technology & Electronic Engineering（简称FITEE，中文名《信息与电子工程前沿（英文）》，ISSN 2095-9184，CN 33-1389/TP）是信息电子类综合性英文学术月刊，SCI-E、EI收录，最新影响因子1.604，进入JCR Q2分区。前身为2010年创办的《浙江大学学报英文版C辑：计算机与电子》，2015年更为现名，现为中国工程院信息与电子工程学部唯一院刊。覆盖计算机、信息与通信、控制、电子、光学等领域。文章类型包括研究论文、综述、个人视点、评述等。现任主编为中国工程院院士潘云鹤、卢锡城。实行国际同行评审制，初次转达意见一般在2~3个月内。文章一经录用将快速在线。
2019年，荣获中国科协等七部委推出的中国科技期刊卓越行动计划项目资助（梯队期刊）。
官网：http://www.jzus.zju.edu.cn
期刊Springer主页：
http://www.springer.com/computer/journal/11714
在线投稿：
http://www.editorialmanager.com/zusc
更多信息，请见：FITEE影响因子提升55%，首次跨入Q2区