论文地址: http://arxiv.org/pdf/2008.08115v2.pdf
代码: https://dbolya.github.io/tide/
来源: 佐治亚理工学院
论文名称:TIDE: A General Toolbox for Identifying Object Detection Errors
原文作者:Daniel Bolya
内容提要
本文介绍了TIDE,一个用于分析目标检测和实例分割算法中的误差来源的框架和关联的工具盒。重要的是,我们的框架是跨数据集适用的,可以直接应用到输出的预测文件,而不需要了解底层的预测系统。当提供每个模型的优点和缺点的全面分析时,我们的框架可以替代标准mAP计算。我们将错误划分为六种类型,而且最关键的是,我们首先引入了一种技术,在隔离错误对整体性能的影响的情况下,度量每个错误的影响。通过对4个数据集和7个识别模型的深入分析,结果发现本文框架能够得出准确、全面的结论。
主要框架及实验结果