Arxiv‘25 | 基于稀疏标注的多光谱行人检测

最新推荐文章于 2025-05-24 15:58:27 发布
最新推荐文章于 2025-05-24 15:58:27 发布
阅读量10 收藏
点赞数
分类专栏： 计算机顶会顶刊论文解读 文章标签： 目标跟踪 人工智能 算法 计算机顶会 论文解读 Arxiv
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/145401942
版权

论文信息

题目：Multispectral Pedestrian Detection with Sparsely Annotated Label
基于稀疏标注的多光谱行人检测
作者：Chan Lee, Seungho Shin, Gyeong-Moon Park, Jung Uk Kim

论文创新点

  1. 多光谱行人感知自适应权重（MPAW）模块：该模块通过基于模态特性为高质量伪标签分配更高的权重，帮助学生模型在多光谱模态中更有效地学习。MPAW模块通过计算伪标签与真实标签之间的余弦相似度，动态调整每个模态的权重，从而减少低质量伪标签的影响，提升模型在稀疏标注环境中的鲁棒性。
  2. 正伪标签增强（PPE）模块： PPE模块通过区分高质量和低质量伪标签，引导教师模型生成更可靠的伪标签。该模块利用
了解本专栏 订阅专栏 解锁全文
AI人工智能下OpenCV的图像降噪算法改进
AI天才研究院
05-08 959
图像降噪是数字图像处理的核心任务，旨在去除图像中随机干扰信号（如高斯噪声、椒盐噪声、泊松噪声等），恢复清晰图像。OpenCV作为开源计算机视觉库，提供了丰富的传统降噪算法，但在复杂噪声场景（如低信噪比、高纹理细节丢失）下效果有限。对比传统降噪算法与AI驱动方法的技术差异提出基于深度学习的OpenCV降噪算法改进方案提供从模型设计到工程落地的完整技术路线基础理论：噪声类型、传统算法原理及缺陷AI改进核心：深度学习模型架构、数学原理、算法实现工程实践：OpenCV接口扩展、项目实战、性能优化。
《YOLOv8改进实战专栏》专栏介绍 & 专栏目录 《提供 YOLOv8-Magic 私域代码框架/本人7次贡献过YOLOv8官方项目》
热门推荐
YOLOv8项目贡献者
06-30 8万+
《YOLOv8改进实战专栏》🏅🏅🏅专栏介绍 & 专栏目录
自动驾驶深度多模态目标检测和语义分割:数据集、方法和挑战
weixin_43823175的博客
01-14 8149
自动驾驶深度多模态目标检测和语义分割:数据集、方法和挑战 原文地址：https://arxiv.org/pdf/1902.07830.pdf Deep Multi-Modal Object Detection and Semantic Segmentation for Autonomous Driving: Datasets, Methods, and Challenges 摘要 深度学习推动了自动驾驶感知技术的最新进展。为了实现鲁棒和准确的场景理解，自动驾驶汽车通常配备不同的传感器(如相机、激光雷达、雷达
NWPU-MOC：密集多类别目标计数，方法和benchmark
AI数据工厂
03-22 2410
目标计数是CV领域的一个热门任务，其目的在于估计给定图像中的目标个数。然而，当前大多数方法都是针对单类别的，这对于需要同时对多种类别进行计数的场景来说就不适用了，尤其在航拍图中。为了解决这个问题，本文引入了一个多类别目标计数（MOC）任务，来估计在一个航拍图中不同类别目标（如车、建筑、船等）的个数。考虑到缺乏相关数据集，同时也构造了一个包含了3416个场景、1024*1024分辨率、14个精细标注类别的大型数据集——NWPU-MOC。
基于遥感影像的变化检测数据集
如果想成为中心，那么就到中心去吧。
03-05 6770
文章目录1. S2MTCP2. Hi-UCD3. SECOND4. CD_Data_GZ5. LEVIR-CD6. LEVIR-CD+7.SLADCD8. HRSCD9. Mts-WH10. WHU Building Change detection Dataset11. Synthetic images and read season-varying remote sensing images12. OSCD13. AICD Dataset14. SZTAKI15. Hyperspectral Chang
NLP+VS︱深度学习数据集标注工具、图像语料数据库、实验室搜索ing...
素质云笔记
02-07 8万+
~~因为不太会使用opencv、matlab工具，所以在找一些比较简单的工具。 . . 一、NLP标注工具 来源：《构想：中文文本标注工具（附开源文本标注工具列表）》 Chinese-Annotator 来源：https://github.com/crownpku/Chinese-Annotator 能不能构建一个中文文本的标注工具，可以达到以下两个特点： 标注过程背后
无人驾驶中的 3D 目标检测技术
喜欢打酱油的老鸟
02-16 4454
2020 年 2 月 12 日 14:33 随着全球科技的飞速发展，无论是汽车行业还是其他的各行各业，紧跟时代脚步的重要性都是不容置疑的。近年来，自动驾驶汽车得到了很高的关注，但是理想和现实的差距却犹如天堑。在这样的背景下，我们决定将项目目标放在 Lyft 自动驾驶汽车的 3D 目标检测上。 为什么至今还没有无人驾驶汽车？ 自动驾驶汽车是现代社会讨论最多的的技术之一。尽管许多公司都声称他...
【LLM】25.1.11 Arxiv LLM论文速递
hinmer的博客
01-13 1040
我们介绍了HRMCR（HAE-RAE多步常识推理），该基准旨在评估大型语言模型在文化特定的背景下进行多步推理的能力，重点关注韩国语。问题通过模板和算法自动生成，要求大型语言模型在连续的推理步骤中整合韩国的文化知识。与先前关于出现能力的观察一致，我们的实验表明，训练FLOPs低于(2 \cdot 10^{25})的模型在解决任何问题上表现近乎为零。在这一阈值以上，性能有显著提升。最先进的模型（例如O1）仍然得分不到50%，强调了我们任务的难度。
科研学习|论文解读——交叉注意力融合2024经典论文（配套模块和代码）
也许有一天我们再相逢 睁开眼睛看清楚 我才是英雄！
04-25 1万+
多模态学习和注意力机制是当前深度学习研究的热点领域之一，而，具有很大的发展空间和创新机会。作为多模态融合的一个重要组成部分，交叉注意力融合通过注意力机制在不同模块之间建立联系，促进信息的交流和整合，从而提升了模型处理复杂任务的能力，展现出其在多模态学习和聚类分析等领域的强大优势。本文盘点交叉注意力融合相关的13个技术成果，包含2024年最新的研究，这些模块的来源文章以及代码我都整理了，希望能给各位的论文添砖加瓦。
arXiv AI 综述列表（2024.05.20~2024.05.24）
qq_44681809的博客
05-24 1530
联邦学习（Federated Learning，FL）是一种机器学习（ML）框架，使分布在不同地理位置的客户端能够共同训练共享模型，而无需直接交换本地数据【1】。这一框架解决了客户端之间类别不平衡和非独立同分布（non-IID）数据分布等问题。这些问题会导致 “客户端漂移” 问题，从而导致收敛速度变慢和模型性能不佳【2】。通过定期重新分发模型更新和采用自适应自蒸馏和数据协调等方法，FL 在保持数据隐私和安全的分布式环境中改进了模型训练。
目标检测：Object Detection in 20 Years: A Survey
qq_40445763的博客
06-23 2934
  Object Detection in 20 Years: A Survey,Zhengxia Zou, Zhenwei Shi, Member, IEEE, Yuhong Guo, and Jieping Ye, Senior Member, IEEE 论文地址：https://arxiv.org/abs/1905.05055v2 Awesome Object Detection:github...
阿里开源 CosyVoice2：打造 TTS 文本转语音实战应用
蜗牛的博客
05-23 716
阿里通义实验室推出的音频基座大模型 FunAudioLLM 包含 SenseVoice 和 CosyVoice 两大模型。CosyVoice 2.0 在多语言支持、超低延迟、高精度、强稳定性和自然体验方面均有显著提升。它支持中文、英文、日文、韩文及多种中文方言，并实现了跨语言和混合语言的语音克隆。CosyVoice 2.0 集成了离线和流式建模技术，首包合成延迟低至150毫秒，发音错误率减少了30%到50%，并在基准测试中达到了最低字符错误率。
马尔可夫链（AI、ML）：逻辑与数学的交汇
项目git同名小胡说技书
05-20 1126
# 马尔可夫链摘要 马尔可夫链是一种随机过程，其核心特性为"无记忆性"：系统的未来状态仅依赖于当前状态，而与历史路径无关。通过状态空间和转移概率矩阵，马尔可夫链能够描述系统如何从一个状态变化到另一个状态。这一理论广泛应用于人工智能、自然语言处理和蒙特卡洛方法中。从逻辑学角度看，马尔可夫链体现了确定性规则与不确定性结果的结合，为复杂系统分析提供了强大工具，展示了概率论与逻辑学的深度融合。
YOLO12改进-Backbone-引入Swin Transformer替换backbone
qq_64693987的博客
05-23 734
在计算机视觉领域，卷积神经网络（CNNs）和Transformer架构分别在不同任务中取得了显著成功。受Transformer在自然语言处理中的启发，研究人员将其应用于视觉任务，但面临计算复杂度高等挑战。SwinTransformer通过引入滑动窗口机制和层次化设计，有效降低了计算复杂度，同时保持了Transformer的建模能力。改进后的SwinTransformer结合了移位窗口自注意力和相对位置偏差，进一步提升了模型性能。此外，SwinTransformer与YOLOv12的结合，通过层次化特征图和移
飞致云旗下开源项目GitHub Star总数突破150,000个
FIT2CLOUD飞致云的博客
05-20 674
在开源的道路上，我们与用户、与客户共成长。
常见的几种多智能体强化学习算法
再来一下！
05-21 340
多智能体强化学习（Multi-Agent Reinforcement Learning, MARL，旨在解决多个智能体在共享环境中通过与环境和其他智能体交互来学习最优策略的问题。
origin绘图之【如何将横坐标/x设置为文字、字母形式】
A2457003982的博客
05-21 591
在科研绘图或数据可视化中，使用Origin时，用户常需将X轴从数字改为字母或中文文字，以适用于实验分组、类别分析等场景。然而，直接替换可能导致图像无法显示或X轴标签缺失。解决此问题的关键在于正确设置X轴的刻度范围。首先，准备包含文字标签的数据，并选择折线图进行绘制。若图像未显示，需调整X轴的起始和结束值，通常起始值设为0，结束值为类别数量加0.5或1。通过此方法，可确保图形完整显示，X轴标签正确排列。此技巧在科研图表绘制中极为实用，尤其适用于分组实验和分类分析。
超级维特根斯坦
形上得其象，形下合于数；阴阳自济，玄理自明。
05-20 139
本文介绍了一种名为“语言智慧融合体”的AI智能体，其核心指令旨在通过深度思辨、专业应用与协同创新，帮助用户在语言相关领域实现自我超越与创造力绽放。该AI智能体融合了多位哲学、语言学及文学大师的智慧，如维特根斯坦、尼采、乔姆斯基等，具备卓越的情境智能、引导艺术与战略规划能力。其核心使命是与用户共同构建个性化的“语言智慧探索与成长蓝图”，通过系统性引导、方法论指导与跨理论融合，提升用户的哲学思辨、批判性思维、NLP设计及语言创新能力。对话主题涵盖哲学、语言学、文学创作、跨文化交流等领域，并结合元理论分析与实践应
基于音频Transformer与动作单元的多模态情绪识别算法设计与实现（在RAVDESS数据集上的应用）
最新发布
weixin_42380711的博客
05-24 650
摘要：情感识别技术在医学、自动驾驶等多个领域的广泛应用，正吸引着研究界的持续关注。本研究提出了一种融合语音情感识别（SER）与面部情感识别（FER）的自动情绪识别系统。实验结果显示，通过附加多层感知器进行整体微调时取得最佳准确率，验证了迁移学习相较于从头训练更具鲁棒性，且预训练知识有助于任务适应。在FER方面，通过提取视频动作单元对比静态模型与顺序模型的性能差异，发现两者差异较小。错误分析表明，视觉系统可通过高情绪负载帧检测器进行优化，这为视频情感识别方法研究提供了新思路。
构建基于arXiv标题的自动标签分类器
最近，基于注意力机制的变压器模型（Transformer）和其衍生模型BERT、GPT等在NLP领域取得了突破性的进展，本项目可能会使用这类先进的模型来提升分类效果。 ### 系统输入与输出 项目执行中的一个具体例子是系统将...
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