[阅读笔记] RepPoints: Point Set Representation for Object Detection

最新推荐文章于 2023-04-10 20:38:17 发布
最新推荐文章于 2023-04-10 20:38:17 发布
阅读量204 收藏
点赞数
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/qq_27489699/article/details/110235054
版权

Baseline detector based on bounding box representations: 把上面两个预测offset的部分改成普通的预测location（其实就是换个输出）。DCN换成RoIAlign method using 3 × 3 grid points。

对the first set of RepPoints的监督的消融实验。loc的监督作用巨大，loc和reg一起结果更好（我觉得严格地说其实这里面是一个调下比例看看的）。

 

我认为这里的对比不完全公平，应该考虑multi anchor的比较。

这里的对

最低0.47元/天 解锁文章
Super Mars
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【论文笔记】：RepPoints: Point Set Representation for Object Detection
Activewaste
10-24 7420
&Title: RepPoints: Point Set Representation for Object Detection 代码地址 &Summary 提出了一种新的表示形式，称为RepPoints，它提供了更细粒度的定位并有助于分类。 如图所示，RepPoints是一组点，这些点学会以一种限定对象空间范围并指示语义上重要的局部区域的方式自适应地将自己定位在目标上。 Re...
【RepPoints】RepPoints: Point Set Representation for Object Detection 译读笔记
墨门
01-13 528
现今的目标检测器严重依赖矩形边界框，例如在各个识别阶段使用锚点、建议框和最终预测来表示目标。边界框使用方便，但仅提提供目标的粗略位置，会导致相应目标特征的提取不够精细。本文提出了RepPoints（representative points），一种全新的更加精细的目标表示，作为一组样本点用于定位和识别。在训练时给定识别目标的真实位置，RepPoints学习表征点的排布方式，该方式会限制在目标的空间范围内，并指示出具有语义信息的重要局部区域。此外，表针点不需要使用anchors来对边界框（分布）空间采样。
RepPoints: Point Set Representation for Object Detection解读
Burtan的专栏
06-13 1587
摘要 现代的检测器很依赖矩形框bbox，比如anchors,proposals和final predictions，呈现在不同的识别阶段里。bbox虽然很方便，但它只能提供粗糙的目标定位和特征提取。 注：final predictions如何理解呢，在引言里说了from anchors and proposals to final predictions，就很明白了，它的意思是最终的输出结果。 为什么bbox只是提供粗糙的目标定位和特征提取呢？文章的后面简单的说明了，bbox只是提取了4个边界点，并
RepPoints：Point Set Representation for Object Detection
qq_33326349的博客
12-15 412
原文链接 目前大多数的目标检测器都依赖于矩形的目标框，去表示在不同识别阶段的目标。使用bb是非常方便的，但是只能粗略的对目标进行定位，并且挖掘出来的相应的特征也是粗略的。在本文中，作者提出了代表点（RepPoints），将一系列样本点用于物体定位和识别。通过训练对gt进行定位并识别目标。RepPoints学习自动的安排自己，以限制目标的空间区域范围和表示语义上的重要局部区域。不需要anchor来采...
论文阅读：RepPoints: Point Set Representation for Object Detection
j879159541的博客
10-15 1636
文章目录1、论文总述 2、Bounding boxes for the object detection流行的2个原因和它的缺点 3、为什么 the deformable convolution and deformable RoI pooling不能学到更精确的几何定位特征 4、Converting RepPoints to bounding box时的三种方式 5、关键点是自动学得的 6、 C...
GloVe: Global Vectors for Word Representation 阅读笔记
01-06
GloVe: Global Vectors for Word Representation 论文信息 EMNLP2014 个人解读 Hytn Chen 更新时间 2020-02-15 词表示简介 词表示已成为所有基于深度学习的自然语言处理系统的重要组成部分，它们在固定...
Local Zernike moments：a new representation for face recogniton
12-21
Local Zernike moments：a new representation for face recogniton
ERNIE：Enhanced Language Representation with Informative Entities.pdf
08-09
Neural language representation models such as BERT pre-trained on large-scale corpora can well capture rich semantic patterns from plaintext,andbefine-tunedtoconsistentlyimprove the performance of ...
ConceptBert: Concept-Aware Representation for Visual Question A
最新发布
01-25
《ConceptBert: Concept-Aware Representation for Visual Question Answering》这篇论文由François Gardères、Maryam Ziaeefard、Baptiste Abeloos 和 Freddy Lécué共同撰写，发表在2020年的EMNLP会议上。...
Minutia Cylinder-Code: A New Representation and Matching Technique for Fingerpri
08-03
Minutia Cylinder-Code: A New Representation and Matching Technique for Fingerprint Recognition
BBAVectors-Oriented-Object-Detection:[WACV2021]具有框边界感知向量的航空图像中的面向对象检测
04-29
BBAVectors面向对象检测 [WACV2021]具有框边界感知向量的航空图像中的定向对象检测（ ） 如果对您的研究有所帮助，请在您的出版物中引用该文章： @inproceedings{yi2021oriented, title={Oriented object detection in aerial images with box boundary-aware vectors}, author={Yi, Jingru and Wu, Pengxiang and Liu, Bo and Huang, Qiaoying and Qu, Hui and Metaxas, Dimitris}, booktitle={Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision}, pag
Anchor-free目标检测系列8：RepPoints：Point Set Representation for Object Detection（可变形卷积提取Offset关键点）
Sesen的木屋
08-12 1909
RepPoints：Point Set Representation for Object Detection （2019.4.25） 论文由清北和微软联合提出，RepPoints将可变形卷积进行灵活使用，定位目标的一些值得注意的点（representative point）。通过目标的这些点进行bbox编码，得到目标预测框。Rep...
目标检测: Point Set Representation for Object Detection
LittleGreyWing的博客
10-21 373
RepPoints论文阅读 摘要 摘要中提到了这个新方法是通过一些样本点来做到很好的既能定位又能识别的作用。 1.简介 bounding boxes的传统做法只能提供粗糙的定位，不能确定物体的形状、姿态。因此框框可能受背景影响很大或者目标如果包含较少或者不均衡的信息时也会降低准确度。 RepPoints是一组点，这些点学会自适应地将自己以划定物体边界范围的方式来定位，并且指示出语义的重要局部区域。 2.相关工作 bounding boxes在目标检测中目前占很重地位，标注时的bounding box
（二十二）论文阅读 | 目标检测之RepPoints
Skies_的博客
06-06 1036
ICCV2019 | 目标检测之RepPoints
【OrientedRepPoints】Oriented RepPoints for Aerial Object Detection核心点概括
daweq的博客
04-10 758
对于航拍图像中密集分布和任意朝向的目标，由于缺乏直接监督，学习高质量的点对于自适应地捕获几何特征是十分重要的。为此，本文提出一种评估和分配方法来度量学习点的质量，可以在训练阶段将自适应点的代表性样本分配为正样本。：选择正样本的IoU阈值，引入了匹配性度量来评估基于角度锚框的空间对齐程度，它使用了对齐敏感损失来加强分类和方向定位的相关性。（4）采用凸包表示来学习不规则的形状和排布，通过可学习的特征自适应来避免特征混叠。：本文提出的基于点集的方法是对非轴向对齐的航拍目标来提取关键特征。
Oriented RepPoints for Aerial Object Detection
Joeyshaw的博客
06-06 805
航空目标通常是非轴对齐的，并且具有杂乱环境的。与主流的bbox方法回归不同，本文提出了一种有效的自适应点学习方法，利用自适应点表示，能够捕获任意方向实例的几何信息。提出了三种定向转换函数，以便于分类和定位。提出了一种有效的自适应点学习质量评估和样本分配方案，用于在训练过程中选择具有代表性的样本，能够从相邻对象或背景噪声中捕获非轴对齐的特征。在自适应点学习中引入了空间约束来乘法离群点。......
目标检测-Oriented RepPoints for Aerial Object Detection(CVPR 2022)
weixin_45616101的博客
12-09 856
目标检测-Oriented RepPoints for Aerial Object Detection(CVPR 2022)
论文阅读：Oriented RepPoints for Aerial Object Detection (CVPR 2022)
weixin_43570470的博客
04-11 6084
论文通过利用自适应点表示，提出了一种有效的自适应点学习方法来进行航空目标检测，该方法能够捕获任意方向实例的几何信息。为此，提出了三种定向转换函数，以方便准确定向的分类和定位。此外，提出了一种有效的质量评估和样本分配方案，用于自适应点学习，以便在训练期间选择具有代表性的面向代表的重复点样本，它能够从相邻对象或背景噪声中捕获非轴对齐的特征。引入空间约束来惩罚鲁斯特自适应学习的异常点。
【OrientedRepPoints】Oriented RepPoints for Aerial Object Detection的译读笔记
墨门
12-07 1600
Oriented RepPoints for Aerial Object Detection的译读笔记；
DER: Dynamically Expandable Representation for Class Incremental Learning算法
07-12
DER（Dynamically Expandable Representation for Class Incremental Learning）算法是一种用于类增量学习的动态可扩展表示方法。该算法旨在解决传统机器学习算法在处理类增量学习任务时可能出现的问题。 在传统的...
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