关注并星标
从此不迷路
计算机视觉研究院
公众号ID|ComputerVisionGzq
学习群|扫码在主页获取加入方式
源代码获取|回复“CB”获取源代码
计算机视觉研究院专栏
作者:Edison_G
检测器的置信度预测在目标大小和位置方面存在偏差,但目前尚不清楚这种偏差与受影响的目标检测器的性能有何关系。
一、前言
无数应用依赖于目标检测器的可靠置信度估计的准确预测。然而,众所周知,包括目标检测器在内的神经网络会产生错误校准的置信估计。最近的工作甚至表明,检测器的置信度预测在目标大小和位置方面存在偏差,但目前尚不清楚这种偏差与受影响的目标检测器的性能有何关系。
研究者正式证明条件置信偏差(conditional confidence bias)正在损害目标检测器的预期性能,并凭经验验证这些发现。具体来说,研究者们演示了如何修改直方图分箱校准,不仅可以避免性能受损,还可以通过条件置信校准来提高性能。
研究者进一步发现,在检测器的训练数据上生成的检测器中也存在置信偏差,利用这些偏差在不使用额外数据的情况下执行提出的去偏差。此外,Test Time Augmentation会放大这种偏差,从而从我们的校准方法中获得更大的性能提升。最后,研究者在一组不同的目标检测架构上验证了他们的发现,并在没有额外数据或训练的情况下显示了高达0.6 mAP和0.8 mAP50的改进。
二、背景