SCRDet：Towards More Robust Detection for Small, Cluttered and Rotated Objects（摇杆旋转目标检测方法）

最新推荐文章于 2023-08-05 11:08:20 发布
最新推荐文章于 2023-08-05 11:08:20 发布
阅读量671 收藏 4
点赞数 1
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/chuxiao_scx/article/details/106447308
版权
本文提出了SCRDet，一种针对小尺寸、任意方向和密集分布物体的旋转目标检测方法。通过特征融合网络增强小目标检测，利用监督像素和通道注意网络减少背景噪声，以及改进的L1损失提升旋转估计精度。实验在DOTA数据集上展示了其优越性能。
摘要由CSDN通过智能技术生成

文章目录

SCRDet：Towards More Robust Detection for Small, Cluttered and Rotated Objects（遥感旋转目标检测方法）

论文地址
代码地址
作者解读
在这里插入图片描述

一.论文摘要和背景介绍

摘要目标检测一直是计算机视觉的一个重要组成部分。虽然已经取得了相当大的进展，但对于小尺寸、任意方向、密集分布的物体仍然存在挑战。除了自然图像外，这些问题对于非常重要的航空图像尤其突出。本文提出了一种新的多目标旋转检测器，即SCRDet。设计了一种融合多层特征和有效锚点采样的采样融合网络，提高了对小目标的灵敏度。同时，通过抑制噪声和突出物体特征，探索了监督像素注意网络和通道注意网络对小而杂乱物体的检测。为了更精确的旋转估计，在平滑的L1损失中加入IoU常数因子来解决旋转边界盒的边界问题。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

1.目前使用方法

在这里插入图片描述
在这里插入图片描述

二.SCRDet

最低0.47元/天 解锁文章
chuxiao_scx
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
论文阅读---SCRDet---Towards More Robust Detection for Small, Clutteredand Rotated Objects
qq_45782891的博客
06-01 499
Towards More Robust Detection for Small, Clutteredand Rotated Objects （对小的、杂乱的和旋转的物体进行更稳健的检测） 开源代码：https://github.com/DetectionTeamUCAS 论文地址：https://arxiv.org/abs/1811.07126 摘要（Abstract） 目标检测一直是计算机视觉的一个重要组成部分。虽然已经取得了相当大的进展，但对于小尺寸、任意方向、密集分布的物体仍然存在挑战。除了自然图像外
【论文阅读】SCRDet：Towards More Robust Detection for Small, Cluttered and Rotated Objects
dujuancao11的博客
01-16 1066
博客学习笔记：https://blog.csdn.net/mary_0830/article/details/103100001 ICCV2019 |论文阅读——SCRDet：Towards More Robust Detection for Small, Cluttered and Rotated Objects
SCRDet：Towards More Robust Detection for Small, Cluttered and Rotated Objects
baixue0729的博客
09-18 7568
研究方向：目标检测 提出的问题：针对小物体检测、忽略噪声背景突出前景、任意方向杂乱且密集的物体检测。 提出的解决方法： 1）小物体：设计采样融合网络（SF-Net），其结合了特征融合和特征锚采样; 2）噪声背景：开发了一种受监督的多维注意网络（MDA-Net），它由像素注意力网络和信道注意力网络组成，用于抑制噪声和突出前景。 3）任意方向杂乱且密集的物体：通过引入用于估计的角度相关参数来设计角度敏感网络。 4）为了处理任意旋转的物体，通过添加IoU常数因子来设计改进的平滑L 1损失。
ICCV2019 |论文阅读——SCRDet：Towards More Robust Detection for Small, Cluttered and Rotated Objects
Liaojiajia-Blog
11-16 5531
ICCV2019|论文阅读 SCRDet：Towards More Robust Detection for Small, Cluttered and Rotated Objects 前言 论文地址：https://arxiv.org/abs/1811.07126 开源代码：https://github.com/DetectionTeamUCAS 一、背景介绍 目标检测计算机视觉的基石。尽管现在...
ICCV2019——SCRDet Towards More Robust Detection for Small, Cluttered and Rotated Objects
qq_45603919的博客
06-02 1315
文章目录ICCV2019——SCRDet: Towards More Robust Detection for Small, Cluttered and Rotated Objects1.Abstract2.Introduction3.SCRDet3.1 SF-Net3.2 MDA-Net3.3 Rotation Branch3.3.1 ROI Align And GAP3.3.2 The regression of the rotation bounding box3.3.3 Loss Function3
RRPN++:遥感图像旋转目标检测Guidance Towards More Accurate SceneText Detect
03-29
该文件为RRPN方式实现对遥感图像的目标检测，为了加大遥感图像检测的精度，该方法采用旋转检测框的方式对目标进行旋转检测。该文件包含实现代码、论文地址、代码实现环境的配置、以及数据集形式、训练和测试方式
Towards Robust Tampered Text Detection in Document Image
05-11
在标题"Towards Robust Tampered Text Detection in Document Image"和描述"Towards Robust Tampered Text Detection in Document Image: New dataset and New Solution"中，研究主要关注如何提高篡改文本检测的鲁棒...
Faster R-CNN: Towards Real-Time Object Detection with Region
04-06
这篇论文是关于Faster R-CNN，这是一种基于深度学习的目标检测框架，旨在解决传统方法中区域提议算法造成的计算瓶颈，提高对象检测的速度。Faster R-CNN的核心创新在于引入了区域提议网络（Region Proposal Network...
Diabetes risk score: towards earlier detection of Type 2 diabetes in general practice
06-29
Diabetes risk score: towards earlier detection of Type 2 diabetes in general practice RESEARCH ARTICLE Diabetes risk score: towards earlier detection of Type 2 diabetes in general practice S. J. ...
Self-Distillation: Towards Efficient and Compact Neural Networks
01-15
本文提出的【自蒸馏】方法是一种创新的技术，旨在解决深度神经网络（DNN）在精度提高的同时计算量和参数数量急剧增加的问题，这在实际部署时带来了很大挑战。 传统的【知识蒸馏】技术通常涉及一个庞大的“教师模型...
[目标检测]论文翻译&代码理解-SCRDet: Towards More Robust Detection for Small, Cluttered and Rotated Objects
塌肩的10号休息室
07-03 1506
2019.12.10 更新 未完结 3. The Proposed Method 首先，我们在图1中概述了我们的两阶段方法： 在第一阶段，通过添加SF-Net和MDA-Net，可以期望特征图包含更多的特征信息和更少的噪声。为了角度参数的位置灵敏度，此阶段仍使水平框回归。 通过改进的五参数回归和第二阶段中每个提案的旋转非最大抑制（R-NMS）操作，我们可以获得任意旋转下的最终检测结果。 3.1 ...
【论文翻译】Towards Robust Detection of Adversarial Examples
Marcorss的博客
05-20 1184
对抗样本的鲁棒检测 Towards Robust Detection of Adversarial Examples Tianyu Pang, Chao Du, Yinpeng Dong, Jun Zhu 摘 要 虽然深度学习最近的进展是实质性的，但是深度学习方法容易受到恶意生成的对抗样本的攻击。在本文中，我们提出了一种新的训练方法和阈值测试策略，用于对抗样本的鲁棒检测。在训练中，我们建议最小化反向交叉熵(RCE, reverse cross entropy)，它鼓励深度网络学习潜在的表征(re..
SCRDet
weixin_43120238的博客
09-20 240
（Paper）Robust Text Detection in Natural Scene Images
沤江一流的专栏
05-17 4437
本文地址： 《Robust Text Detection in Natural Scene Images》论文笔记这篇文章是2014年PAMI上的文章，是目前文本检测领域的state of the art.该算法是基于MSERs的，主要内容有：算法流程 1 Character candidates extraction 使用MSERs算法来产生字符候选区域，但是MSER算法可能产生过多的重复区域，
论文翻译 | SCRDet++: Detecting Small, Cluttered and Rotated Objects via Instance-Level Feature Denoising
Liaojiajia-Blog
05-11 4152
SCRDet++PrefaceAbstract1 INTRODUCTION2 RELATED WORK2.1 Horizontal Region Object Detection2.2 Arbitrary-Oriented Object Detection2.3 Image Denoising2.4 Small Object Detection3 THE PROPOSED METHOD3.1 Approach Overview3.2 Instance-level Feature Map Denoising3
目标检测论文——对小的、杂乱的和旋转的物体进行更稳健的检测：SCRDet
qq_53640005的博客
05-10 788
论文简介 论文中文翻译:《对小的、杂乱的和旋转的物体进行更稳健的检测：SCRDet》 论文名称:《SCRDet: Towards More Robust Detection for Small, Cluttered and Rotated Objects》 录用日期：2019年8月10日 摘要 目标检测一直是计算机视觉中的一个重要组成部分。虽然已经取得了相当大的进展，但对于小尺寸、任意方向和密集分布的物体仍然存在挑战。除了自然图像外，这类问题对非常重要的航空图像尤其突出。本文提出了一种新型的多类别旋转检
SCRDet解读
最新发布
m0_67619101的博客
08-05 189
损失函数采用多任务损失，N是proposals数，t′n = 1 for foreground and t′n = 0 for background，Lreg是smooth L1 loss,Latt是像素注意力损失，Lcls是分类损失，两者都为softmax crossentropy，v'和v是bbox回归参数，u'和u分别是每个像素点的分类得分和标签，pn是每个proposal的分类得分，tn是每个类别的标签。训练时采用交叉熵损失回归。SCRDet旨在解决：小目标检测，杂乱排列，任意方向检测这三个问题。
遥感目标检测（2）--SCRDet
人工智能小白
07-21 750
SCR-Det论文的概述、提出的三个挑战、网络架构中SF-Net、MDA-Net、Rotation Branch的流程与参数设定，损失函数，对比实验与消融实验。
【论文阅读】SCRDet++
dujuancao11的博客
11-28 4566
SCRDet++: Detecting Small, Cluttered and Rotated Objects via Instance-Level Feature Denoising and Rotation Loss Smoothing SCRDet++:通过实例级特征去噪和旋转损失平滑检测小的、杂乱的和旋转的物体 论文地址：https://arxiv.org/abs/2004.13316
better to follow, follow to be better: towards precise supervision of feature super-resolution for small object detection
04-06
该论文的中文翻译为“跟随更好，追随更好：面向精确监督小目标检测的特征超分辨率”。该论文主要研究如何通过特征超分辨率来提高小目标检测的精度，并提出了一个跟随式训练方法来实现精确监督。该方法不仅能有效提高小目标检测的准确率，还能降低模型的计算复杂度，具有很好的应用前景。
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