摘要

我们研究了开放世界类别不可知物体检测任务，即通过从有限数量的基础物体类别中学习来检测图像中的每一个物体。当前最先进的基于RGB的模型存在过拟合训练类别的问题，通常难以检测出外观新颖的物体。这是因为基于RGB的模型主要依赖于外观相似性来检测新奇物体，并且容易过拟合诸如纹理和判别部分等捷径特征。为了解决这些基于RGB的物体检测器的不足，我们提出结合几何线索（如深度和法线），这些线索由通用单目估计器预测。具体而言，我们利用几何线索训练一个目标提议网络，以在训练集中伪标记未注释的新奇物体。最终得到的几何引导开放世界物体检测器（Geometry-guided Open-world Object Detector, GOOD）显著提高了对新奇物体类别的检测召回率，并且即使只有少数几个训练类别也能表现出色。在COCO数据集上仅使用“人”这一类别进行训练时，GOOD在AR@100指标上超越了现有最先进方法5.0%，相对提升了24%。