论文：Unknown-Aware Object Detection: Learning What You Don't Know from Videos in the Wild

论文：https://arxiv.org/abs/2203.03800

代码：https://github.com/deeplearning-wisc/stud

 

构建能够检测分布外(OOD)目标的可靠目标检测器是至关重要的，但尚未得到充分探索。关键挑战之一是，模型缺乏来自未知数据的监督信号，从而对OOD对象产生过于自信的预测。

文章提出了一种基于时空未知蒸馏(STUD)的未知目标检测框架，该框架从野外视频中提取（蒸馏出）未知目标，并对模型的决策边界进行有意义的正则化。STUD首先在空间维度上识别未知候选对象提案，然后在多个视频帧上聚合候选对象以形成决策边界附近的不同的未知对象集。作者采用基于能量的不确定性正则化损失，它对比地塑造了分布中的未知对象和提取的未知对象之间的不确定性空间。

STUD为目标检测确立了OOD检测任务的最先进性能，与之前的最佳方法相比，FPR95分数降低了10%以上。

内容中包含的图片若涉及版权问题，请及时与我们联系删除