目标检测中的Label Assignment

最新推荐文章于 2024-07-11 10:12:13 发布
最新推荐文章于 2024-07-11 10:12:13 发布
阅读量3.5k 收藏 35
点赞数 4
文章标签： 算法 计算机视觉 机器学习 人工智能 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/c9Yv2cf9I06K2A9E/article/details/109475944
版权
本文探讨了目标检测中Label Assignment的重要性，包括学习目标表示（如anchor box, anchor point, key point和set prediction）和正负样本分配策略（如IoU阈值，空间和尺寸限制，Soft-weighted anchor points以及匈牙利算法）。文章举例了ATSS、SAPD、AutoAssign和DETR等方法，阐述了它们在优化Label assignment方面的贡献。" 137879680,7478178,ARMv8架构下ret_to_user过程详解,"['Linux内核', 'ARM架构', '中断处理', '异常处理', '调试技术']
摘要由CSDN通过智能技术生成

©PaperWeekly 原创 · 作者｜燕皖

单位｜渊亭科技

研究方向｜计算机视觉、CNN

Label Assignment

Label assignment 主要是指检测算法在训练阶段，如何给特征图上的每个位置进行合适的学习目标的表示，以及如何进行正负样本的分配的。也就是说 label assignment 有两个方面的内容：

1.1 学习目标的表示

对与如何给特征图上的每个位置赋予合适的学习目标这个问题，因为先验的不同，不同类型的算法的学习目标的表示也不一样：

anchor box 类检测器：这类检测方法都是采用 bounding box（x,y,w,h）的方法来表示图像中的一个目标。通过预测一个 4 维向量，也就是参数化坐标

最低0.47元/天 解锁文章
PaperWeekly
关注
芒果YOLOv10改进30：动态标签分配策略之DDLA：最新改进Wasserstein Distance Label Assignment，用于小目标检测，提升小目标检测精度，芒果独家原创，全网独一份
包括YOLOv5、YOLOv7、YOLOv8等模型改进
06-09 430
YOLOv10改进：动态标签分配策略之DDLA：最新改进Wasserstein Distance Label Assignment，用于小目标检测，提升小目标检测精度，芒果独家原创，全网独一份
目标检测之Label Assignment
Left_control_right的博客
12-23 888
Label Assignment字面意思译作标记分配，目标检测问题一般包括分类和回归两个子任务，那么其Label Assignment就包括下面两个方面：分类任务中正负样本的分配规则和回归任务中回归目标的表示形式。 分类任务中目标类别的判别规则 IoU阈值判别方法：通过 anchor 与 ground truth框之间的 IoU 阈值判定是 positive、negative 还是 ignore。例如RetinaNet中IoU 高于 0.5 为 positive，低于 0.4 为 negative，其.
什么是embedding？详解
最新发布
python122_的博客
07-11 1236
简单来说，embedding就是用一个低维的向量表示一个物体，可以是一个词，或是一个商品，或是一个电影等等。这个embedding向量的性质是能使距离相近的向量对应的物体有相近的含义，比如 Embedding(复仇者联盟)和Embedding(钢铁侠)之间的距离就会很接近，但 Embedding(复仇者联盟)和Embedding(乱世佳人)的距离就会远一些。
Label Assignment
weixin_50862344的博客
09-18 310
Label Assignment
目标检测中的label assignment
dekiang
07-19 686
目录1. 概述 1. 概述 与分类和分割不同，目标检测存在其特有的正负样本定义问题（label assignment），其显著影响着检测器的检测性能。 label assignment根据是否需要适应多层结构，存在不同维度的定义： (1) 在FPN出现前，label assignment只需要考虑特征图的每个位置的正负性，我们称其为spatial dimension。 (2) 在FPN出现后，label assignment除了需要考虑特征图的每个位置的正负性，还需要考虑某个尺寸的特征图应预测哪个尺寸范围
【论文阅读】【二维目标检测】Label Assignment四连击
麒麒哈尔的博客
07-14 1321
文章目录 2021 CVPR 论文地址：https://arxiv.org/abs/2103.14259 和Autoassign一样，都是旷视的文章，都是做label assignment的，Autoassign的理解，可以看这篇知乎，我觉得讲的很详细。 接下来就看看OTA。 https://zhuanlan.zhihu.com/p/379087332 ...
Label Assignment 的前世今生
旷视开发者技术社区
12-28 586
Label Assignment 定义Label/Target Assignment 顾名思义，提供网络正负样本让网络进行学习，“传授”网络正确与错误的概念，使网络对相应的输入输出正确期望...
目标检测中对于box assignment的策略 （label assignment in object detection)
weixin_43120238的博客
12-25 500
Label Assignment 是目标检测中重要的一步，其对propose的anchor box/anchor point打上label（是postive还是negative/ignore）。其中包含了两个挑战： （1）Negative 样本太多 --> 正负样本不均衡； （2）没有一个统一的评定标准 --> 是一个trial and error的过程。 现在主流的framework的方式： （1）Faster RCNN / SSD / RetinaNet 一个grid cell中有多个anc
Label Assign综述：提升目标检测上限
极市平台的技术博客
08-15 871
原文链接：https://bbs.cvmart.net/topics/2960 专注计算机视觉前沿资讯和技术干货 微信公众号：极市平台 官网：https://www.cvmart.net/ 最近因为AutoAssign这篇paper的原因，再加上之前对目标检测中label assign问题很感兴趣， 看了几篇label assign相关论文（FreeAnchor、ATSS、AutoAssign），梳理一下几篇论文的关系做个记录~~ 我用一张图大致梳理出几个label assign相关论文的关系 Free
【目标检测】33、AutoAssign：Differentiable Label Assignment for Dense Object Detection
呆呆的猫的博客
08-30 912
在训练前期，数据的先验分布是 label assignment 的基础，也就是目标的分布是 center prior 的（即距离中心点越近的位置，越有可能是正样本点），但是，比如长颈鹿和人的分布不同，所以不同的类别应该有不同的先验分布，如果只在中心的位置来采样，则可能无法捕捉到最具有区分特征的特征。其他 label assignment 的方法对不同的数据集的提升可能不太稳定，但 AutoAssign 可以根据不同的数据来动态调整，无需额外的手动调节和参数设置，就能达到约 1% 的提升。..........
目标检测标签分配系列(label assign)论文汇总
深度检测的博客
09-09 1756
目标检测标签分配系列论文汇总整理 针对当前较火热的目标检测标签分配问题的系列论文的汇总，链接内含论文下载地址。 1、2019CVPR 《Feature Selective Anchor-Free Module for Single-Shot Object Detection》       文章阅读解析待补充… 2、2020CVPR《Prime Sample Attention in Object Detection》   &nb
AutoAssign: Differentiable Label Assignment for Dense Object Detection
00000cj的博客
03-15 2797
论文https://arxiv.org/abs/2007.03496
【目标检测】57、Dual Weighting Label Assignment | 专为目标检测设计的双权重标签分配
呆呆的猫的博客
12-12 1154
Label Assignment 的目标是给每个 anchor 分配其 loss weight 的正或负，现有的方法一般都主要设计正样本的权重函数，负样本的权重直接从正样本来获取。这种方法缺少了一些可学习的能力。
[AutoAssign]AutoAssign: Differentiable Label Assignment for Dense Object Detection
Ah丶Weii
12-30 388
文章目录1. Motivation2. Contribution3. Method3.1 Prior-level : Center Weighting3.2 Instance-level: Confidence Weighting3.2.1 Classification confidence3.2.2 Joint confidence indicator3.3.3 Positve weights3.3.4 Negative weights3.3.5 Loss function 文中对于Label; Ass
Deep Multi-instance Networks with Sparse Label Assignment for Whole Mammogram Classification
u014264373的博客
03-16 1099
Deep Multi-instance Networks with Sparse Label Assignment for Whole Mammogram Classification应用于整个乳腺X片分类的基于稀疏标签分类的深度多实例网络MICCAI会议论文 2017作者：WentaoZhu, Qi Lou, Yeeleng Scott Vang, and Xiaohui Xie摘要：乳腺癌的计...
FasterRcnn，Yolo的 Label Assignment机制，以及ATSS，OTA
Bismarckczy的博客
03-27 1057
一般把anchor到gt之间如何匹配的方法称为label assignment，也就是给预设的anchor打上正负样本等标签，方便我们后续进一步回归。其实RPN和Yolo有各自的label assignment方法，在Faster rcnn，yolo，RetinaNet中，基本都是根据anchor和gt的iou，然后定义阈值去进行label的分配。例如，在Faster rcnn 的RPN阶段，假设backbone得到的feature map是HW，那么一共会有H。
深度学习：乳腺论文Deep Multi-instance Networks with Sparse Label Assignment for Whole Mammogram
weixin_41108334的博客
11-22 904
参考论文解析：https://blog.csdn.net/Coralccccc/article/details/73956702 论文翻译：https://blog.csdn.net/u014264373/article/details/79581655 标题：Deep Multi-instance Networks with Sparse Label Assignment for Whole...
FCOS3D label assignment
Mao_Jonah的博客
06-30 768
跟2d的FCOS差不太多， 主要是依靠图片坐标系来分配target：
水下声学图像目标检测源码及项目指南
在水下目标检测中，深度学习技术允许算法从声学图像中自动学习到更加复杂和抽象的特征表示，从而提高检测的准确率和鲁棒性。 6. 声学图像（Acoustic Imaging）： 声学图像是利用声波在水下进行成像的技术，它能够...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值