ECCV 2020論文合集(目標(biāo)檢測(cè))
4 Multi-Scale Positive Sample Refinement for Few-Shot Object Detection
作者:Jiaxi Wu,Songtao Liu,Di Huang,Yunhong Wang
機(jī)構(gòu):北京航空航天大學(xué)
簡(jiǎn)介:少鏡頭目標(biāo)檢測(cè)(FSOD)有助于檢測(cè)器適應(yīng)訓(xùn)練實(shí)例較少的看不見(jiàn)的類,在手動(dòng)標(biāo)注耗時(shí)或數(shù)據(jù)采集受限的情況下非常有用。與以往利用少量鏡頭分類技術(shù)來(lái)促進(jìn)FSOD的嘗試不同,本研究強(qiáng)調(diào)了處理尺度變化問(wèn)題的必要性,該問(wèn)題由于樣本分布的獨(dú)特性而具有挑戰(zhàn)性。為此,作者提出了一種多尺度正樣本優(yōu)化(MPSR)方法來(lái)豐富FSOD中的目標(biāo)尺度。它生成多尺度正樣本作為目標(biāo)金字塔,并在不同尺度上對(duì)預(yù)測(cè)進(jìn)行細(xì)化。作者通過(guò)將其作為一個(gè)輔助分支集成到流行的快速R-CNN和FPN架構(gòu)中,展示了它的優(yōu)勢(shì),提供了一個(gè)強(qiáng)大的FSOD解決方案。在PASCAL-VOC和MS-COCO上進(jìn)行了多個(gè)實(shí)驗(yàn),結(jié)果表明,該方法取得了最新的結(jié)果,顯著優(yōu)于其他同類方法,顯示了其有效性。
5 PIoU Loss: Towards Accurate Oriented Object Detection in Complex Environments
作者:Zhiming Chen,Kean Chen,Weiyao Lin,John See,Hui Yu,Yan Ke,Cong Yang
機(jī)構(gòu):擴(kuò)博智能,上海交通大學(xué)
簡(jiǎn)介:使用定向包圍盒(OBB)進(jìn)行目標(biāo)檢測(cè),可以減少與背景區(qū)域的重疊,從而更好地定位旋轉(zhuǎn)對(duì)象,F(xiàn)有的OBB方法大多建立在水平包圍盒探測(cè)器上,通過(guò)引入一個(gè)額外的角度維度,通過(guò)距離損失來(lái)優(yōu)化。然而,由于距離損失只會(huì)最小化OBB的角度誤差,并且它與IoU松散相關(guān),因此它對(duì)高寬高比的對(duì)象不敏感。因此,提出了一種新的損失,像素IoU(PIoU)損失,利用角度和IoU進(jìn)行精確的OBB回歸。PIoU損失由IoU度量導(dǎo)出,采用像素形式,簡(jiǎn)單易行,適用于水平和定向包圍盒。為了證明其有效性,作者評(píng)估了基于錨定和無(wú)錨框架的PIoU損失。實(shí)驗(yàn)結(jié)果表明,PIoU損耗可以顯著提高OBB探測(cè)器的性能,特別是對(duì)于高寬高比和復(fù)雜背景的目標(biāo)。此外,以前的評(píng)估數(shù)據(jù)集不包括對(duì)象具有高寬高比的場(chǎng)景,因此引入了一個(gè)新的數(shù)據(jù)集Retail50K,以鼓勵(lì)社區(qū)采用OBB檢測(cè)器來(lái)適應(yīng)更復(fù)雜的環(huán)境。
6 Boosting Weakly Supervised Object Detection with Progressive Knowledge Transfer
7 Probabilistic Anchor Assignment with IoU Prediction for Object Detection
8 HoughNet: Integrating near and long-range evidence for bottom-up object detection
9 OS2D: One-Stage One-Shot Object Detection by Matching Anchor Features
10 End-to-End Object Detection with Transformers
11 Dynamic R-CNN: Towards High Quality Object Detection via Dynamic Training
遙感旋轉(zhuǎn)目標(biāo)檢測(cè)
1 Arbitrary-Oriented Object Detection with Circular Smooth Label
作者:Yang Xue,Yan Junchi
機(jī)構(gòu):上海交通大學(xué)
簡(jiǎn)介:任意方向的目標(biāo)檢測(cè)由于在航空?qǐng)D像、場(chǎng)景文本、人臉等方面的重要性,近年來(lái)在視覺(jué)領(lǐng)域引起了越來(lái)越多的關(guān)注。本文研究了現(xiàn)有的基于回歸的旋轉(zhuǎn)檢測(cè)器存在邊界不連續(xù)的問(wèn)題,這是由角周期性或角點(diǎn)排序直接引起的。通過(guò)仔細(xì)研究,作者發(fā)現(xiàn)其根本原因是理想的預(yù)測(cè)超出了規(guī)定的范圍。作者設(shè)計(jì)了一個(gè)新的旋轉(zhuǎn)檢測(cè)基線,通過(guò)將角度預(yù)測(cè)從回歸問(wèn)題轉(zhuǎn)化為一個(gè)精度損失很小的分類任務(wù)來(lái)解決邊界問(wèn)題,與以往使用粗粒度旋轉(zhuǎn)檢測(cè)的工作相比,設(shè)計(jì)了高精度的角度分類。他們還提出了一種圓形平滑標(biāo)簽(CSL)技術(shù)來(lái)處理角度的周期性,并增加了對(duì)相鄰角的誤差容限。進(jìn)一步介紹了CSL中的四個(gè)窗口函數(shù),并探討了不同窗口半徑對(duì)檢測(cè)性能的影響。對(duì)DOTA、HRSC2016以及場(chǎng)景文本數(shù)據(jù)集ICDAR2015和MLT進(jìn)行了大量的實(shí)驗(yàn)和可視化分析,證明了該方法的有效性。
發(fā)表評(píng)論
請(qǐng)輸入評(píng)論內(nèi)容...
請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字
最新活動(dòng)更多
-
10月31日立即下載>> 【限時(shí)免費(fèi)下載】TE暖通空調(diào)系統(tǒng)高效可靠的組件解決方案
-
即日-11.13立即報(bào)名>>> 【在線會(huì)議】多物理場(chǎng)仿真助跑新能源汽車
-
11月28日立即報(bào)名>>> 2024工程師系列—工業(yè)電子技術(shù)在線會(huì)議
-
12月19日立即報(bào)名>> 【線下會(huì)議】OFweek 2024(第九屆)物聯(lián)網(wǎng)產(chǎn)業(yè)大會(huì)
-
即日-12.26火熱報(bào)名中>> OFweek2024中國(guó)智造CIO在線峰會(huì)
-
即日-2025.8.1立即下載>> 《2024智能制造產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展藍(lán)皮書》
推薦專題
- 1 【一周車話】沒(méi)有方向盤和踏板的車,你敢坐嗎?
- 2 特斯拉發(fā)布無(wú)人駕駛車,還未迎來(lái)“Chatgpt時(shí)刻”
- 3 特斯拉股價(jià)大跌15%:Robotaxi離落地還差一個(gè)蘿卜快跑
- 4 馬斯克給的“驚喜”夠嗎?
- 5 打完“價(jià)格戰(zhàn)”,大模型還要比什么?
- 6 馬斯克致敬“國(guó)產(chǎn)蘿卜”?
- 7 神經(jīng)網(wǎng)絡(luò),誰(shuí)是盈利最強(qiáng)企業(yè)?
- 8 比蘋果偉大100倍!真正改寫人類歷史的智能產(chǎn)品降臨
- 9 諾獎(jiǎng)進(jìn)入“AI時(shí)代”,人類何去何從?
- 10 Open AI融資后成萬(wàn)億獨(dú)角獸,AI人才之爭(zhēng)開(kāi)啟
- 高級(jí)軟件工程師 廣東省/深圳市
- 自動(dòng)化高級(jí)工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級(jí)銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術(shù)專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結(jié)構(gòu)工程師 廣東省/深圳市