neural-network - 使用环境的对象检测

Question

我想问一个关于基于 DNN 的对象检测算法(例如 Yolo、SSD 或 R-CNN)的一般性问题。

假设我想在小图像上检测手机，因此，移动设备本身非常小，而且，仅通过查看它们出现的像素几乎不可能检测到它们。例如，查看 300x300 的图像，手机显示在 7x5 的网格上，因此只有查看 7x5 的图片，没有人可以确定在那里可以看到什么。

另一方面，如果我们在图片上看到地铁车厢，其中一个人手里拿着黑色的东西，我们(人类)几乎可以肯定这个黑色的 7x5 小网格代表移动设备。



我的理解是否正确，当前最先进的 DNN 算法无法像人类一样捕捉环境，而只能通过图像上的物理外观来检测物体？如果不是，您能否建议一种算法，该算法不一定只在黑色像素组上学习，但能够捕捉到一个人在她/他的手中拿着一个可能是电话的黑色物体？

谢谢。

Answer 1

我的背景不是物体检测。研究中存在这样的上下文信息。这是一个尚未解决的管道。有一些示例应用于实例分割和文本标题。

因此，我假设在提供上下文信息的对象检测方面进行了研究。

无论如何，SSD使用金字塔方案，其中编码了上下文信息