![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
AITOD
微小目标系列
怎么全是重名
开心就好,任何时刻你都有充足的理由保持乐观
不管当下如何,未来一定会有更糟糕的时刻
展开
-
SimD~
本文介绍了一种名为相似性距离(SimD)的简单而有效的标签分配策略,用于解决小目标检测中的挑战问题。传统的IoU和NMS方法存在一些固定超参数需要设置的问题,而且过多的正样本并不一定能提高检测结果的准确性。因此,本文提出的SimD策略不仅考虑了位置和形状相似度,还能够自适应地学习超参数,适用于不同数据集和各种对象大小的情况。实验结果表明,在四个主流的小目标检测数据集上,该方法的表现优于现有的最佳竞争对手,并且在AI-TOD数据集上的表现特别突出,达到了1.8 AP点和4.1 AP点的提升。原创 2024-07-26 14:21:04 · 498 阅读 · 0 评论 -
DNTRo
本文旨在解决计算机视觉领域中微小物体检测的问题。由于图像数据中微小物体所占像素比例很小,因此精确地检测这些物体仍然是一个巨大的挑战。特别是在地理科学和遥感领域,高保真度的微小物体检测可以促进城市规划和环境监测等应用的发展。为此,作者提出了一个新的框架DNTR,它由DeNoising FPN模块和Trans R-CNN检测器组成。DN-FPN模块利用对比学习抑制FPN上每个级别的特征中的噪声,并在Top-down路径中融合不同尺度的特征。原创 2024-07-26 14:10:59 · 421 阅读 · 0 评论 -
SRTOD
本文主要探讨了在目标检测领域中,如何解决微小物体检测的问题。传统的通用检测器在处理微小物体时性能下降严重,主要是因为难以提取有效的特征。为了解决这个问题,作者提出了一个自我重建的微小物体检测框架(SR-TOD),并在检测模型中引入了一个自我重建机制。通过构建输入图像和重建图像之间的差异图,可以提高微小物体的可见性和清晰度,并增强弱表示以改善检测器的性能。此外,作者还开发了一种基于差异图引导的特征增强模块(DGFE)来进一步提升微小特征的清晰度。原创 2024-07-26 13:56:35 · 246 阅读 · 0 评论