TIP 2025 | ESOD：高分辨率图像上的高效小目标检测

最新推荐文章于 2025-04-25 15:24:01 发布
最新推荐文章于 2025-04-25 15:24:01 发布
阅读量210 收藏
点赞数 6
分类专栏： 计算机顶会顶刊论文解读 文章标签： 目标检测 目标跟踪 人工智能 TIP 深度学习 计算机顶刊 论文解读
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/145401439
版权

论文信息

ESOD: Efficient Small Object Detection on High-Resolution Image
ESOD：高分辨率图像上的高效小目标检测
作者：Kai Liu, Zhihang Fu, Sheng Jin, Ze Chen, Fan Zhou, Rongxin Jiang, Yaowu Chen, and Jieping Ye

论文创新点

  1. 特征级目标搜索与切片：论文提出了一种特征级的目标搜索与切片方法，通过插入ObjSeeker模块在检测器的早期阶段进行目标搜索，避免了传统方法中在原始图像和切片图像块上的冗余特征提取。
  2. 自适应特征切片器（AdaSlicer）：作者设计了自适应特征切片器（AdaSlicer），能够根据目标性掩码自适应地将特征图切
了解本专栏 订阅专栏 解锁全文
YOLOV5改进：顶刊TIP 2023 | CFP：即插即用的多尺度融合模块，有效涨点！
AIcurator的博客
05-06 2559
的物体检测方法，本文方法基于全局显式的中心特征调节。与现有的方法不同，本文方法不仅关注不同层之间的特征交互，还考虑了同一层内的特征调节，该调节在密集预测任务中被证明是有益的。则依赖于自下而上的特征金字塔结构，通过建立自上而下的路径和横向连接从多尺度高级语义特征图中获取特征信息。提出了一种额外的自下而上路径，使高级特征图也可以从低级特征图中获得足够的细节信息。通过构建多阶段特征金字塔来提取多阶段和多尺度的特征，实现了跨层级和跨层特征融合。是最早使用特征金字塔结构表示多尺度特征信息的方法之一，
ESOD：在高分辨率图上进行小目标检测的高效方法
AI公园
10-29 960
导读在本文中，我们提出了重用检测器主干网络来进行特征级别的目标搜索和区域切割的方法，这可以避免冗余的特征提取并降低计算成本。结合一个稀疏检测头，我们能够对高分辨率输入（例如1080P或更高）上的小物体进行检测，从而实现更高的性能。摘要扩大输入图像是促进小物体检测的一种直接且有效的方法。然而，简单的图像放大在计算和GPU内存方面都代价高昂。实际上，小物体通常稀疏分布并且局部聚类。因此，大量的特征提取...
面向大尺度的小目标检测《Towards Large-Scale Small Object Detection: Survey and Benchmarks》阅读笔记
hai0915的博客
10-03 4468
小目标检测最新综述
Deep learning-based small object detection: A survey（2023）
qihshe的博客
12-23 505
小目标检测(SOD)在现实世界的许多应用中都很重要，包括刑事调查、自动驾驶和遥感图像。SOD由于其低分辨率和噪声表示一直是计算机视觉中最具挑战性的任务之一。随着深度学习的发展，人们引入深度学习来提高超SOD的性能。本文针对SOD的难点，从提高输入特征分辨率、尺度感知训练、融合上下文信息和数据增强四个方面对基于深度学习的SOD研究论文进行了分析。我们还回顾了关于SOD关键任务的文献，包括小人脸检测、小行人检测和航空图像目标检测。
基于PP-YOLOE-SOD实现遥感场景下的小目标检测
一名在读大学生，正在学习深度学习，会定期分享一些该领域内容。欢迎大家一起交流学习~
03-16 3690
目标边界框的宽高与图像的宽高比例小于一定值目标边界框面积与图像面积的比值开方小于一定值分辨率小于32*32像素的目标。如MS-COCO数据集像素值范围在［10，50］之间的目标。如DOTA/WIDER FACE数据集paddle从数据集整体层面提出了如下定义：目标边界框的宽高与图像的宽高比例的中位数小于0.04时，判定该数据集为小目标数据集。目前，小目标检测主要有以下几个难点：覆盖面积小，有效特征少小目标下采样后丢失问题，边界框难以回归，模型难以收敛。
探索TJU-DHD数据集：高分辨率对象与行人检测的新前沿
gitblog_00279的博客
08-16 687
探索TJU-DHD数据集：高分辨率对象与行人检测的新前沿 TJU-DHDA newly built high-resolution dataset for object detection and pedestrian detection (IEEE TIP 2020)项目地址:https://gitcode.com/gh_mirrors/tj/TJU-DHD 项目介绍 TJU-DHD数据集是由...
睿智的目标检测27——Pytorch搭建Faster R-CNN目标检测平台
热门推荐
Bubbliiiing的学习小课堂
04-27 12万+
睿智的目标检测27——Pytorch搭建Faster R-CNN目标检测平台学习前言什么是FasterRCNN目标检测算法源码下载Faster-RCNN实现思路一、预测部分1、主干网络介绍2、获得Proposal建议框3、Proposal建议框的解码4、对Proposal建议框加以利用（RoiPoolingConv）5、在原图上进行绘制6、整体的执行流程二、训练部分1、建议框网络的训练2、Roi网...
YOLOv8全解析：高效、精准的目标检测新时代——创新架构与性能提升
CooVally_AI的博客
12-20 4192
YOLO（You Only Look Once）系列模型，凭借其高效、快速的特性，已经成为目标检测领域的重要代表。作为YOLO系列中的最热门版本，YOLOv8继续沿袭了其前辈的优势，并进一步提升了性能，使得它在处理复杂场景中的目标检测任务时更加高效和精准。
UIU-Net：用于红外小目标检测的U-Net内U-Net技术教程
gitblog_00751的博客
09-02 1712
UIU-Net：用于红外小目标检测的U-Net内U-Net技术教程 项目地址:https://gitcode.com/gh_mirrors/ie/IEEE_TIP_UIU-Net 1. 项目介绍 UIU-Net（U-Net in U-Net）是针对红外图像中小对象检测的一种创新模型，由Xin Wu, Danfeng Hong, 和 Jocelyn Chanussot共同研发，并在2023年的《IE...
红外小目标：基于深度学习的红外小目标检测研究方法(持续更新中)
lfcgimini的博客
10-20 1万+
深度学习红外小目标研究现状 2019年 TBC-Net link TBC-net分为目标特征提取模块TEM和语义约束模块SCM，分别用于从红外图像中提取小目标和对训练过程中提取的目标图像进行分类。 TEM模块进行目标提取，TEM模块为轻量级的图像分割网络，利用模块压缩算法实现了上采用和下采样，形成了编解码结构。 SCM模块对提取的小目标进行分类级别的约束，由于红外小目标没有形状和类别的语义信息，这篇文章利用小目标的数量对目标进行约束。 此外，这篇文章还利用了合成的数据，通过在背景图像上添加目标信息并加
TIP 2021 | 用于光学遥感图像显著性目标检测的稠密注意力流网络与公开数据集...
阿木寺的博客
01-08 4061
点击上方“CVer”，选择加"星标"置顶重磅干货，第一时间送达本文转载自：BJTU MePro论文题目：Dense Attention Fluid Network for...
TJU-DHD:新建的用于对象检测和行人检测的高分辨率数据集（IEEE TIP 2020）
05-04
这是“ ”的官方网站，这是一个新建的用于目标检测和行人检测的高分辨率数据集。 115k +图像和700k +实例 场景：交通和校园，任务：物体检测和行人检测 高分辨率：图像分辨率至少为1624x1200像素，物体高度从11...
TJU-DHD数据集：高分辨率下对象与行人检测研究
资源摘要信息:"TJU-DHD数据集是一个专门用于对象检测和行人检测的高分辨率数据集，由IEEE TIP 2020年发表。该数据集包含超过115,000张图像和700,000多个实例，涵盖了交通和校园场景，其中包括车辆、行人和骑行者等...
Python项目--基于计算机视觉的手势识别控制系统
exlink2012的专栏
04-23 1801
随着人机交互技术的快速发展，传统的键盘、鼠标等输入设备已经不能满足人们对自然、直观交互的需求。手势识别作为一种非接触式的人机交互方式，具有操作自然、交互直观的特点，在智能家居、游戏控制、虚拟现实等领域有着广泛的应用前景。 本项目旨在开发一个基于计算机视觉的手势识别控制系统，通过摄像头捕获用户的手部动作，实时识别手势类型，并将识别结果转化为相应的控制命令，实现对计算机或其他设备的非接触式控制。
人工智能(AI)对网络管理的影响
最新发布
ITmoster的博客
04-25 554
AI正从工具演变为网络管理的“核心大脑”，其价值不仅在于效率提升，更在于为复杂问题提供系统性解决方案。
LibrePhotos本地部署打造个人云相册安全存储和分享家庭照片(1)
YYDsis的博客
04-24 1258
手机里塞满了珍贵回忆，却担心一不小心就被偷看？别怕，今天我就教你一个绝招——使用自建私有云相册。这不仅比Google Photos更安全可控，还无需公网IP或域名，因为咱们有cpolar这个神器来帮忙打通内网壁垒！跟着我一起，让你的照片管理从此变得既酷又安全吧！
计算机视觉各类任务评价指标详解
qq_47898999的博客
04-25 900
计算机视觉各类任务评价指标详解
tokenizer的用法
大多_C的博客
04-25 430
可以基于现有 tokenizer 进行修改，如添加自定义的 token（tokenizer.add_tokens([“新词”])），从而扩展词汇表，此时可调用 tokenizer.resize_token_embeddings(model) 更新模型嵌入层。]}，有时还会包含其他信息比如 “token_type_ids”、“offset_mapping”（用于对齐）等。• return_tensors: 指定返回类型，如 “pt”（PyTorch tensor）、“tf” 或 “np”（NumPy 数组）
视频汇聚平台智能边缘分析一体机视频智能分析平台智能分析区域入侵检测算法
LntonCEC的博客
04-22 650
这种设备的广泛应用不仅能够提高安全防范的效率和准确性，还能够为各类场所的安全管理提供强大的支持和帮助，从而为社会的稳定和发展做出了积极的贡献。这种设备通过集成图像处理、智能识别和实时监测等先进技术，能够对特定区域内的入侵行为进行有效的监控和识别，从而及时地发现潜在的安全风险并采取适当的应对措施。智能边缘分析一体机的区域入侵检测功能能够提高安全监控系统的警戒性和反应速度，有效减少安全风险和事件发生的可能性，为各类场所（如公共场所、企业园区、仓库等）的安全管理带来极大的便利和帮助。
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