“跨次元”目标检测模型 hold 住各种画风，还能识别漫画中物品

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