Towards open world object detection CVPR2021开放集识别率论文解读

最新推荐文章于 2023-08-09 11:11:58 发布
最新推荐文章于 2023-08-09 11:11:58 发布
阅读量369 收藏 1
点赞数
分类专栏： 开放集识别 文章标签： 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/pingguolou/article/details/121087053
版权

 【9】Joseph K J, Khan S, Khan F S, et al. Towards open world object detection[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021: 5830-5840.

本文开发了一种新的方法，称为ORE，基于对比聚类，位置类别RPN网络和基于能量的未知类型识别进行开放世界目标检测。

  • 在训练中，该方法主要是基于嵌入特征的对比聚类损失和基于能量的损失。在基于对比聚类损失中，为每个类建立一个聚类（动态更新的原型,每迭代Ib次进行一次旧原型和新原型的加权更新），也包括通过RPN网络中识别的未知类（检测为目标类评分最高的部分，但没有被分类标记为groundtruth的），然后最小化每个样本与其所属类原型的距离，即所谓的与原型对比的损失，同时使样本与其他类原型之间的距离大于某个值。在基于能量的损失中，最小化已知类的能量。因此，最终的损失函数为

 

  • 在测试时，为已知类和未知类建立一个能量极值机，并设定一个阈值。如果样本的已知类极值概率大于未知类，则属于已知类，否则属于未知类 
appron
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Towards Open World Object Detection
pingguolou的博客
05-29 2312
摘要： 人类有识别环境中未知物体实例的本能。当相应的知识最终可用时，对这些未知实例的好奇心有助于了解它们。 这促使我们提出了一个新的计算机视觉问题，称为“开放世界目标检测”，模型的任务是： 1）在没有明确监督的情况下，将没有被引入的物体识别为“未知”物体， 2）当逐渐接收到相应的标签时，增量地学习这些识别出的未知类别而不忘记先前学习的类。 本文提出了一种基于对比聚类和基于能量的未知识别的开放世界目标检测算法。我们的实验评估和消融研究分析了ORE网络在实现开放世界目标方面的功效。作为一个有趣的研究结果
【论文总结】Towards Open World Object Detection（附翻译）
小张好难瘦的博客
04-23 6571
Towards Open World Object Detection 开放世界的目标检测 摘要 Humans have a natural instinct to identify unknown object instances in their environments. The intrinsic curiosity about these unknown instances aids in learning about them, when the corresponding knowledg
Towards Open World Object Detection - CVPR 2021 Oral（面向开放世界的目标检测）
Curry01的博客
04-14 917
Towards Open World Object Detection 代码 什么是开放世界中的目标检测呢？ 1.在没有明确监督的情况下，将未被引入的对象识别为“未知”。 2.当逐步接收到相应的标签时，在不忘记之前学习过的类的情况下，逐步学习这些已识别的未知类别。 图中展示了每一个增量学习的步骤，模型识别出那些未知的目标（“?”）。这些未知目标被逐渐标注（蓝色圆圈），并加入到现有的知识库（绿色圆圈）中。开放世界目标检测模型通过Energy Based Unknown Identifier和Auto-l
目标检测的新范式：Towards Open World Object Detection
Christo的博客
01-17 1047
Towards Open World Object Detection
OWOD:（CVPR 2021口服）开放世界物体检测
05-11
被CVPR 2021接受为ORAL论文 arXiv： ： 该图显示了我们新制定的“打开世界物体检测”设置与现有设置之间的关系。 抽象的 人类具有识别其环境中未知对象实例的天生的本能。 当相应的知识最终可用时，对这些未知实例...
Faster R-CNN: Towards Real-Time Object Detection with Region
04-06
在深度学习模型VGG-16上，Faster R-CNN系统能够在GPU上实现每秒5帧的检测速率，同时在PASCAL VOC 2007和2012数据集上取得了当时最先进的检测精度，分别为73.2%和70.4%的平均精度（mean Average Precision，mAP）。...
Faster R-CNN Towards Real-Time Object Detection With Region Proposal Networks
08-06
论文：Faster R-CNN Towards Real-Time Object Detection With Region Proposal Networks
δ-开放集聚类-一种新的拓扑聚类方法
03-13
聚类是一种无监督的学习方法，广泛用于识别固有的数据结构，并应用于各种领域，例如数据挖掘，模式识别，机器学习等。 本文提出了一种新的拓扑聚类方法，称为δ-开放集聚类。 此方法的关键思想是确定数据中的δ-开放集，每个δ-开放集代表一个特定的数据类别。 结果表明，该方法即使对于复杂的数据集也具有鲁棒的性能。 它可以对形状多样的复杂数据集进行分类，识别噪声并处理高维数据集。 即使数据分布不平衡，此方法也有效。 在聚类过程中，需要一个输入参数，即δ的值。 在Olivetti人脸数据库上进行的人脸识别实验表明，该方法比峰值聚类方法的性能要可靠得多。 我们还提供了另一个改进的δ-开放集聚类，它使δ-开放集聚类能够处理具有极高密度差的聚类。
Towards High Performance Video Object Detection
11-21
面向高性能视频对象检测 Towards High Performance Video Object Detection 近年来，图像目标检测有了显著的进展。然而，视频对象检测虽然在实际场景中更具挑战性和重要性，但是很少受到关注。我们的方法扩展了已有的三种新技术，并将性能包络（速度精度折衷）稳步推进到高性能视频对象检测。
文献阅读-Towards Open World NeRF-Based SLAM
最新发布
12-18
【标题】: 开放世界NeRF-based SLAM技术探索 【描述】: 本文深入探讨了基于神经辐射场（NeRF）的开放世界SLAM（Simultaneous Localization and Mapping）技术，旨在提升SLAM系统的鲁棒性和跟踪准确性，以及适应未知...
ThunderNet Towards Real-time Generic Object Detection
03-31
Real-time generic object detection on mobile platforms is a crucial but challenging computer vision task. However, previous CNN-based detectors suffer from enormous computational cost, which hinders ...
Towards Open World Object Detection（OWOD）代码复现
qq_22583741的博客
05-11 758
python -m pip install -e ./python tools/train_net.py --num-gpus 1 --config-file ./configs/OWOD/t1/t1_train.yaml SOLVER.IMS_PER_BATCH 8 SOLVER.BASE_LR 0.0025 OUTPUT_DIR “./output/t1”No module named ‘reliability’ 解决办法： pip install reliability No module named
Towards Open World Object Detection【论文解析】
qq_22583741的博客
08-09 939
人类在环境中有一种自然本能，即识别未知的物体实例。对于这些未知实例的内在好奇心有助于在相应的知识最终可得到时学习它们。无需明确监督就识别尚未引入为“未知”的物体。当相应标签逐步接收时，逐步学习这些已识别的未知类别，而不会遗忘先前学习的类别。我们对问题进行了规定，引入了强大的评估协议，并提供了一种新颖的解决方案，称为ORE：开放世界目标检测器，它基于对比聚类和基于能量的未知识别。我们的实验评估和消融研究分析了ORE在实现开放世界目标方面的效力。
【开集识别论文解读】Few-Shot Open-Set Recognition using Meta-Learning——CVPR2020
cute_cxy的博客
06-03 2419
本文介绍了一种新的开集元学习算法（PEELER）算法，实验结果表明，PEELER在小样本和大规模识别方面都达到了最先进的开放集识别性能。开集识别目前主要的研究是在大规模环境中，使用基于大规模分类器的解决方案。这些尝试通过后处理后验类分布来识别新类，定义一个“拒绝”类，该类使用人工生成的示例或从训练类中采样的示例，或两者的组合进行训练。本文试图将开集识别推广到大规模环境之外：大规模和小样本识别。......
Towards Open World Object Detection - CVPR2021 Oral（开放世界中的目标检测）
一个菜鸟的奋斗
03-16 6937
仔细研读了“Towards Open World Object Detection”，这是今年CVPR的一篇Oral论文，算是挖了一个比较有意思的坑，开放世界中的目标检测。总体看来，论文所提出的ORE模型能够完成这个任务，不过还有很多可以改进的点，值得进一步研究。 paper:https://arxiv.org/abs/2103.02603 code:https://github.com/JosephKJ/OWOD 1. 什么是开放世界中的目标检测呢？ 作者定义的这个新问题，满足两个特征： ..
【Towards Open World Object Detection 复现】
weixin_44401589的博客
02-14 1583
开放场景下的目标检测，经典文章复现代码（零基础入门复现）
写一个 CVPR 2021 oral Towards Open World Object Detection 的阅读报告
02-17
我将就 CVPR 2021 oral Towards Open World Object Detection 的阅读报告。这篇论文的目的是提出一种开放世界的目标检测方法。它建立在一种基于目标检测的系统上，并使用现有框架来识别新类别。它介绍了一种新颖的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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