利用特权信息进行垃圾检测.pdfVIP

利用特权信息进行垃圾检测

MatthiasBartoloKonstantinosMakantasisDylanSeychell

Dept.ofArtificialIntelligenceDept.ofArtificialIntelligenceDept.ofArtificialIntelligence

UniversityofMaltaUniversityofMaltaUniversityofMalta

Msida,MaltaMsida,MaltaMsida,Malta

matthias.bartolo@um.edu.mtkonstantinos.makantasis@um.edu.mtdylan.seychell@um.edu.mt

摘要—随着全球垃圾污染持续加剧，开发能够有效检测垃佳性能继续面临重大挑战，特别是在平衡检测准确性与

圾的自动化工具仍然是一个重大挑战。本研究提出了一种结合特推理速度方面。在实际应用中，垃圾经常包括透明材料

许信息与深度学习对象检测的新方法，旨在提高垃圾检测效果的或非常小或者部分被草或石头等自然元素遮挡的物品。

同时保持模型效率。我们在五个广泛使用的目标检测模型上评估

本这些条件要求更加复杂的架构框架和更严格的模型训

了我们的方法，并解决了诸如检测小件垃圾和被草或石头部分遮

译挡的对象等挑战。此外，我们工作的关键贡献之一是制定了将边练方法，例如结合知识蒸馏技术以提高泛化能力同时保

中界框信息编码为二值掩码的方法，该掩码可以输入到检测模型中持计算效率。本文在此背景下提出以下内容：

1以改进检测指导。通过在著名的SODA数据集上的内部数据评1)一种将特权信息与深度学习目标检测模型相结合

v估以及在BDW和UAVVaste垃圾检测数据集上的跨数据集的新方法，用于提高垃圾检测效果，而不增加模

4

2评估实验，我们展示了所有模型的一致性能提升。我们的方法不型参数数量或影响推理时间。

1仅增强了训练集中的检测准确性，而且还能很好地泛化到其他垃

4圾检测场景中。至关重要的是，在不增加模型复杂性或添加额外2)方法在五种广泛使用的对象检测器上的性能评估。

0

.层的情况下实现了这些改进，确保了计算效率和可扩展性。结果3)使用SODA数据集[5]对提出的methodology进

8

0显示，该方法为垃圾检测提供了一种实用的解决方案，在实际应行详细检查，以及在BDW[6]和UAVVaste[4]垃

5用中平衡了准确性和效率。圾检测数据集上的交叉验证。

2

:IndexTerms—垃圾检测，利用特权信息学习，计算机视

vII.相关工作

i觉，知识蒸馏，目标检测

x

r计算机视觉在解决环境问题方面受到了关注，特别

aI.介绍是在废物检测方面。垃圾检测因其与可持续性和公共卫

垃圾污染仍然是一个停滞不前的问题，其影响不仅生的相关性而脱颖而出，推动了数据集和自动检测方法

限于环境恶化，还涉及更广泛的社会经济不稳定。预计的发展。

到2030年，全球废物排放量将从每年的21亿吨增加到A.垃圾检测

26亿吨[1]，当前管理系统的局限性越来越明显。为应

近年来，一系列垃圾检测数据集和方法被引入以支

对这一全球挑战，最近的研究[2],[3]开始探索应用人

持自动垃圾检测的研究。王等