目标检测
文章平均质量分 92
倚肆
请大家多多点赞关注收藏,若有问题可私信。
ε=ε=ε=(#>д<)ノ
展开
-
翻译与笔记2: Progressive Context-Dependent Inference for Object Detection in Remote Sensing Imagery(精读)
本文发现遥感影像的众多对象在几何特征(如物体尺寸/角度/布局)上具有极强的一致性,因此提出了一种新型的渐进式上下文相关推理(PCI)方法,以充分利用大范围的上下文线索,更好地定位遥感影像中的对象。特别是,为了表示候选对象及其几何分布,我们将所有这些对象构建到候选对象图中,然后通过扩散上下文对象信息来执行推理学习。为了使推理更加可信,我们逐步积累了这些关于标签预测和位置回归过程的历史学习经验,进入网络演进的下一阶段,其中候选对象图的拓扑结构和属性将动态更新。图更新和地面物体检测被共同封装为一个闭环学习过程。翻译 2024-05-16 19:43:24 · 8 阅读 · 0 评论 -
翻译与笔记1:What Makes for End-to-End Object Detection?(什么是端到端对象检测?)(精读)
目标检测最近在去除管道中最后一个不可微分的组件,即非最大抑制(NMS)方面取得了突破,并建立了一个端到端的系统。然而,其一对一预测的原因尚未得到很好的理解。在本文中,我们首先指出,一对一的正样本分配是关键因素,而以往检测器中的一对多分配会导致推理中的冗余预测。其次,我们惊讶地发现,即使是一对一的分配训练,以前的检测器仍然会产生冗余的预测。我们发现,匹配成本中的分类成本是主要因素:(1)预先检测器只考虑位置成本,(2)通过额外引入分类成本,预先检测器在推理过程中立即产生一对一的预测。翻译 2024-05-16 01:20:36 · 7 阅读 · 0 评论 -
YOLOV1学习笔记
在计算机视觉以及数字图像处理中方向梯度直方图是一种能对物体进行检测的基于形状边缘特征的描述算子(用于量化图像局部特征的算法工具,它将图像中的关键点,例如角点、边缘点或尺度不变特征点,周围的像素信息转化为固定长度的数值向量,这些向量可以代表关键点的局部纹理、形状和光照不变性等特征。描述算子的主要目的是为了能够在不同的条件下,比如图像旋转、缩放、亮度变化等,仍然能够可靠地匹配同一物体或场景的不同视图中的相同或相似特征点。原创 2024-04-24 21:38:11 · 743 阅读 · 0 评论