ECCV论文整理
文章平均质量分 92
MrRoose
研究方向CV+DL,阿里云专家博主,腾讯云优秀创作者,CSDN计算机视觉领域新星创作者。
深耕ai的同时也在拓展java开发和大数据。愿2024年更进一阶!
展开
-
ECCV22 RFLA:用于小目标检测的基于高斯感受野的标签分配
在本文中,作者提出了一种基于高斯感受野的标签分配(RFLA)策略用于微小目标检测。并提出了一种新的感受野距离(RFD)来直接测量高斯感受野和地面真值之间的相似性,而不是使用IoU或中心采样策略分配样本。考虑到基于IoU阈值和中心采样策略对大对象的倾斜,作者进一步设计了基于RFD的分层标签分配(HLA)模块,以实现小对象的平衡学习。在四个数据集上的大量实验证明了所提方法的有效性。作者的方法在AI-TOD数据集上的AP点数为4.0,优于SOTA。转载 2022-09-13 23:58:38 · 771 阅读 · 0 评论 -
ECCV2022|何恺明团队开源ViTDet:只用普通ViT,不做分层设计也能搞定目标检测
httpshttps当前的目标检测器通常由一个与检测任务无关的主干特征提取器和一组包含检测专用先验知识的颈部和头部组成。颈部/头部中的常见组件可能包括感兴趣区域(RoI)操作、区域候选网络(RPN)或锚、特征金字塔网络(FPN)等。如果用于特定任务的颈部/头部的设计与主干的设计解耦,它们可以并行发展。从经验上看,目标检测研究受益于对通用主干和检测专用模块的大量独立探索。长期以来,由于卷积网络的实际设计,这些主干一直是多尺度、分层的架构,这严重影响了用于多尺度(如FPN)目标检测的颈/头的设计。。。...转载 2022-07-16 18:58:24 · 462 阅读 · 0 评论 -
ECCV22 ScalableViT:重新思考视觉Transformer面向上下文的泛化
论文提出了一种可伸缩自我注意(Scalable Self-Attention, SSA)机制,该机制利用两个可伸缩因子来释放查询、键和值矩阵的维度,同时解除它们与输入的绑定。此外,还提出了一种基于交互式窗口的自我注意(IWSA),通过重新合并独立的值标记和聚集相邻窗口的空间信息来建立非重叠区域之间的交互。通过交替叠加SSA和IWSA,Scalable Vision Transformer (ScalableViT)在通用视觉任务上实现了优于SOTA的性能。转载 2022-08-24 21:39:49 · 339 阅读 · 0 评论 -
ECCV 2022 AirDet: 无需微调的小样本目标检测方法
图二. 自主探索任务的流程和 AirDet 的算法框架。图二展示了机器人自主探索任务的流程和AirDet的宏观模型结构。转载 2022-08-03 11:53:14 · 359 阅读 · 0 评论 -
ECCV22 最新论文汇总(目标检测、图像分割、监督学习、GAN等)
ECCV2022已经放榜,共有1629篇论文中选,录用率还不到20%。为了让大家更快地获取和学习到计算机视觉前沿技术,作者对ECCV2022最新论文进行追踪,包括分研究方向的论文及代码汇总。本次更新的ECCV2022论文,包含检测,分割,图像处理,视频理解,神经网络结构设计,无监督学习,自监督学习,迁移学习等方向。......原创 2022-07-22 10:20:40 · 13393 阅读 · 0 评论