1 月 16 日消息,目标检测种类多达 20000+ 种的 AI,你见过吗?不仅准确“揪出”每个物体所在的位置,分类效果非常准确:
插画版赛博恐龙也没问题:
甚至还能检测杂志封面甚至漫画中的物体!
这也是把目标检测给玩出花来了,据作者表示模型在长尾问题等细节上的处理非常好,像狮子和狐狸这种少样本也能准确识别:
这项研究来自 Meta AI 和得克萨斯大学奥斯汀分校,一作是著名目标检测框架 CenterNet 的作者、复旦校友 Xingyi Zhou。
一起来看看。
可识别“跨次元”物体
这篇论文提出了一种新的名为 Detic 的方法,用来解决目标检测无法用到图像级标签(给一整张图打标签,标注里面有什么物体)的问题。
此前的目标检测方法,通常是一个检测框里一个物体:
这种方法有一个问题,就是没办法利用整个图像级标签,只能用单个物体的图片进行训练。
也有一些研究想出了一种新方法,搞个弱监督学习,试图让 AI 自己学会将图像级的标签,去对应锚定框里面有什么物体,但实际上这种方法的效果也不太好。
Detic 的方法是采用目标检测数据(a)和图像标签数据(b)对 Detic 进行混合训练。
其中,在用目标检测数据训练 Detic 时,同时对图像分类模块 W 和目标检测模块 B 进行训练,但只用标签数据对图像分类模块 W 进行训练。
训练的数据集采用的是 ImageNet,事实证明模型在训练后无需微调,就能很好地适应到 LVIS 等数据集,相对之前的一些模型都达到了不错的效果:
论文表示,Detic 能分类的图片类型也是多种多样,从真实照片到赛博恐龙插画这样的“跨次元”作品都能识别:
这立刻吸引了不少网友来玩。
在线 Demo 可玩
有网友用梵高的世界名画试了试。
放大一点来看,艺术加工后的椅子、人和桌子也能被识别:
还有用二次元的龙猫进行识别的,除了龙猫本身被错认成猫头鹰以外,其他的雨伞和靴子都认得不错:
我们也随便用一个钟表柜的照片试了试,在线 Demo 的检测时间稍微有点久,大约需要 6 分钟左右,但效果还不错:
细看的话还是能发现一些瑕疵,例如把部分手表误认成转速计、以及怀表和时钟,以及也有一两块手表没有被检测出来。
不过,即使在二次元和插画中,这个 AI 能识别的物体,至少也需要在真实世界出现过。
例如,超出 20000 个分类的物体,如喷火龙和皮卡丘,就不在 AI 的监测范围内了,全部被认成了猴子(狗头):
将这些二次元角色也加入 AI 训练数据集中,不知能否取得同样的检测效果。
作者介绍
▲ 这张照片是“女朋友拍的”
论文一作 Xingyi Zhou,目前在德克萨斯大学奥斯汀分校读博,本科就读于复旦大学计算机系,之前也是 CenterNet 论文的第一作者,项目在 GitHub 上目前已经收获 6.1k Star。
Rohit Girdhar、Armand Joulin 和 Ishan Misra,Meta AI 的研究科学家,主要研究方向是机器学习和计算机视觉,此前 Armand Joulin 曾经在李飞飞的实验室进行博士后工作。
Philipp Krähenbühl,得克萨斯大学奥斯汀分校助理教授,Xingyi Zhou 的导师,研究方向是计算机视觉、机器学习和计算机图形学。
感兴趣的小伙伴,赶紧试试你想玩的漫画、或是杂志插画吧~
Demo 地址:点击打开
论文地址:点击打开
参考链接:一、二