目标检测中的Label Assignment

最新推荐文章于 2023-03-27 19:56:30 发布
最新推荐文章于 2023-03-27 19:56:30 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
06-09 443
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
12-23 906
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.
Label Assignment
weixin_50862344的博客
09-18 326
Label Assignment
目标检测中的label assignment
dekiang
07-19 716
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 1332
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
12-28 598
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
12-25 510
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
08-15 886
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
08-30 940
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 1776
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 2813
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 1168
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
12-30 394
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 1114
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
最新发布
Bismarckczy的博客
03-27 1078
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
11-22 918
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
06-30 779
跟2d的FCOS差不太多， 主要是依靠图片坐标系来分配target：
AutoAssign: DifferentiableLabelAssignmentforDenseObjectDetection
stesha_chen的博客
07-28 1567
论文地址 研究背景 以往的设计中，对于正负样本的分配主要是两种方式： 以RetinaNet为代表的，通过IOU进行正负样本的分配，一般是IOU大于0.5为正样本，IOU小于0.3为负样本，IOU大于0.3小于0.5的样本忽略不考虑。 以FCOS为代表的anchor free方案，是在目标框的w和h以中心点为原点向内缩小一定的比例，比如w和h都乘以0.2，这个范围内做为正样本 ...
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