TPAMI 2024 | 互辅助学习在目标检测中的应用

于 2024-09-30 09:52:02 发布
阅读量2 收藏
点赞数
分类专栏： 论文解读 IEEE TPAMI 文章标签： 目标检测 人工智能 TPAMI IEEE 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/qq_42722197/article/details/141611319
版权
论文解读 IEEE TPAMI 专栏收录该内容
226 篇文章 15 订阅 ¥29.90 ¥99.00
订阅专栏

题目：Mutual-Assistance Learning for Object Detection

互辅助学习在目标检测中的应用

作者：Xingxing Xie; Chunbo Lang; Shicheng Miao; Gong Cheng; Ke Li; Junwei Han

源码链接： https://github.com/ShichengMiao16/MADet

摘要

目标检测是计算机视觉中的一个基础但具有挑战性的任务。尽管近年来取得了巨大进展，但由于某些因素，例如非通用性的目标特征和单一的回归方式，现代检测器可能仍然产生不令人满意的性能。在本文中，我们借鉴了相互辅助（Mutual-Assistance, MA）学习的思想，相应地提出了一种鲁棒的一阶段检测器，称为MADet，以解决这些弱点。首先，MA的精神体现在检测器头部设计中。解耦的分类和回归特征被重新整合以提供共享的偏移量，避免了由于零或错误偏移量引起的特征-预测对之间的不一致性。其次，MA的精神在检测器的优化范式中被捕获。锚点基础和无锚点的回归方式被联合使用，以增强检索具有各种特征的物体的能力，特别是对于大宽高比、遮挡

了解本专栏 订阅专栏 解锁全文
小白学视觉
关注
专栏目录
订阅专栏
目标检测中的不平衡问题：综述论文（TPAMI 2020）.pdf
03-16
本文介绍了一篇关于目标检测中不平衡的综述论文：Imbalance Problems in Object Detection: A Review (https://arxiv.org/abs/1909.00169, under review at TPAMI)，作者结合自己最近在这方面的 Tech Report: Is ...
PAM:[TPAMI 2020]视差注意在无监督的立体函授学习中
05-24
视差注意机制（PAM） IEEE TPAMI 2020“无监督立体函授学习的视差注意”存储库概述1.网络架构2.左右一致性和循环一致性3.有效遮罩应用领域1.用于无监督立体声匹配（PASMnet）的PAM 1.1概述1.2结果 2.用于立体声图像...
ICON:“通过完整性学习进行目标物体检测”的代码
05-23
为了促进用于显着目标检测的完整性学习，我们设计了一个新颖的完整性认知网络（ICON），该网络探索三个重要的组成部分以学习强大的完整性功能。 1）与现有的模型更加关注特征可辨性的方法不同，我们引入了多样化的...
2005_TPAMI_FeaSelection_mRMR.pdf
03-17
2005年发表在TPAMI（模式分析与机器智能）期刊上的论文"基于互信息的特征选择：最大依赖性、最大相关性和最小冗余性"探讨了如何依据最大统计依赖性准则（基于互信息）来选择优良特征。作者Hanchuan Peng、Fuhui Long...
扩散模型（2）--1
最新发布
m0_63860007的博客
09-29 479
生成模型通过学习并建模输入数据的分布，从而采集生成新的样木，该模型广泛运用于图片视频生成、文本生成和药物分子生成。扩散模型是一类概率生成模型，扩散模型通过向数据中逐步。
[论文精读]AI-Guardian: Defeating Adversarial Attacks using Backdoors
m0_52911108的博客
09-27 1036
本文提出了AI-Guardian框架，本质是让模型预测结果受到后门控制，而很难被攻击者操纵，从而抵御对抗攻击。在模型训练阶段，AI-Guardian会针对原始训练样本生成一批后门样本（经过后门处理的样本），按标签双射关系为后门样本分配对应标签，实现后门注入；在模型预测阶段，AI-Guardian先对输入数据进行后门处理，然后将其输入到模型，根据模型输出结果、标签双射关系返回对输入数据真实标签的预测结果。
零售业的数字化转型与消费者体验升级
weixin_58820787的博客
09-24 864
在数字化浪潮的推动下，零售业正经历着前所未有的变革。数字化转型不仅为零售商带来了新的商业模式和运营效率的提升，更重要的是，它极大地提升了消费者的购物体验。金智维将探讨零售业如何通过数字化转型，实现线上线下融合、智能推荐、个性化服务等方面的升级，以满足消费者日益增长的需求。
Python精选200Tips：171-175
AnFany
09-26 1127
Python深度学习的项目
Her来了，OpenAI正式发布高级语音模式
shadowcz007的博客
09-25 370
OpenAI宣布将Advanced Voice Mode（AVM）扩展到更多付费用户，包括ChatGPT的Plus和Teams用户。该功能旨在使ChatGPT的语音交互更加自然，并新增五种新声音和改进的口音识别能力。虽然Sky声音因法律争议被移除，但AVM的整体设计和性能得到了提升。新版本不仅能在用户打断时立即停止回答，还能根据用户语音中的情感调整响应。此外，视频和屏幕共享功能暂未推出。AVM目前...
OpenCV视频I/O(13）视频采集类VideoCapture之等待多个视频流中的任意一个变为可用状态函数waitAny()的使用
jndingxin的专栏
09-29 315
cv::VideoCapture::waitAny 是一个静态成员函数，用于等待多个视频流中的任意一个变为可用状态。这个函数可以用于同步多个视频流，直到其中一个流准备好为止。
持续学习与创新能力的双重提升
thinkers
09-25 422
  ---
高维空间的维数灾难问题
Python领域优质萌新创作者
09-23 304
高维空间的维数灾难问题是指在处理高维数据时，随着维度的增加，数据的性质发生了显著变化，从而导致许多传统的机器学习和统计方法失效的现象。
OTP语音播报芯片-实现智能门铃叮咚方案
jiuxin666的博客
09-26 487
九芯电子推出功能强大、外围简单的门铃叮咚芯片NV040D，音质优美，性能稳定，可定制性强，满足智能门铃行业快速简捷设计需求，引领智能门铃市场向智能化、个性化发展。
从0到1训练私有大模型技能与应用实现
DAMOXINGHAITAI的博客
09-25 1246
LoRA，英文全称 Low-Rank Adaptation of Large Language Models（中文为大语言模型的低阶适应）。这是微软的研究人员为了解决大语言模型微调而开发的一项技术，其 github 地址为 https://github.com/microsoft/LoRA ，当前已经得到HuggingFace 的 PEFT库 https://github.com/huggingface/peft 的支持。对于大语音模型来说，其参数量非常多。
sheng的学习笔记-AI-K-摇臂赌博机（K-armed bandit）
coldstarry的专栏
09-24 690
强化学习。
超分之SPIN
weixin_44342777的博客
09-23 1035
SPIN利用超像素将局部相似像素分组为可解释的局部区域。SPIN采用ISPA模块来促进不规则局部超像素区域内的局部信息交互，采用SPCA模块通过超像素的替代来促进远程信息交互。
变电站设备检测系统源码分享
xuehaisj的博客
09-25 1108
数据集信息展示在现代电力系统中，变电站作为电力传输和分配的重要环节，其设备的实时监测与故障检测显得尤为重要。为此，我们构建了一个名为“Substation elements detection”的数据集，旨在为改进YOLOv8的变电站设备检测系统提供强有力的支持。该数据集包含14个类别，涵盖了变电站中常见的设备类型，这些设备在电力系统的运行和维护中扮演着关键角色。
Hi3403V100 4K/60 芯片及开发板
WeChat_zhanggong345的博客
09-26 302
Hi3403V100是一颗面向监控市场推出的专业 Ultra-HD Smart IP Camera SOC，该芯片最高支持四路sensor输入，支持最高4K60的ISP图像处理能力，支持3F WDR、多级降噪、六轴防抖、硬件拼接等多种图像增强和处理算法，为用户提供了卓越的图像处理能力。Hi3403V100内置四核A55，提供高效且丰富和灵活的CPU资源，以满足客户计算和控制需求。Hi3403V100集成了高效的神经网络推理单元，最高10TOPS INT8，并支持业界主流的神经网络框架。
IEEE TPAMI 用于缺陷检测的期刊
04-05
IEEE TPAMI（IEEE Transactions on Pattern Analysis and Machine Intelligence）是一个涵盖模式识别、计算机视觉、图像处理和机器学习等领域的高质量期刊，其中也包括用于缺陷检测的研究。 以下是一些在IEEE TPAMI期刊上发表的用于缺陷检测的论文： 1. "Automatic Defect Detection in X-Ray Images Using Convolutional Neural Networks"（使用卷积神经网络自动检测X射线图像中的缺陷）-- 该论文提出了一种基于卷积神经网络（CNN）的自动缺陷检测方法，该方法可以应用于各种类型的X射线图像中的缺陷检测。 2. "Unsupervised Defect Detection in Textured Materials Using Convolutional Autoencoders"（使用卷积自动编码器在纹理材料中进行无监督缺陷检测）-- 该论文提出了一种基于卷积自动编码器（CAE）的无监督缺陷检测方法，该方法可以有效地检测纹理材料中的缺陷。 3. "A Hierarchical Approach to Defect Detection in Semiconductor Wafer Images"（半导体晶圆图像缺陷检测的分层方法）-- 该论文提出了一种基于分层方法的缺陷检测方法，可以应用于半导体晶圆图像中的缺陷检测。 4. "Deep Learning-Based Defect Detection in Semiconductor Manufacturing"（基于深度学习的半导体制造中的缺陷检测）-- 该论文提出了一种基于深度学习的缺陷检测方法，可以应用于半导体制造中的缺陷检测，并且在实验中取得了良好的结果。 这些论文都展示了IEEE TPAMI作为一个重要的期刊，提供了广泛的研究和应用领域，包括缺陷检测。
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

打赏作者

小白学视觉

您的赞赏是我们坚持下去的动力~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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