【弱监督旋转目标检测】H2RBOX: Horizontal Box Annotation Is All You Need For Oriented Object Detection 总结

最新推荐文章于 2024-08-09 22:24:25 发布
最新推荐文章于 2024-08-09 22:24:25 发布
阅读量175 收藏
点赞数
文章标签： 目标检测 人工智能 计算机视觉
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/u013604235/article/details/132625531
版权
本文讨论了两个分支在图像处理中的角色：ss分支通过预测旋转框帮助ws分支，但存在效率和真实性问题；ws负责边框回归和类别预测。LabelAssigner确保框对应。作者对旋转矩阵的使用提出了疑问。
摘要由CSDN通过智能技术生成

论文思路:就类似两个竞争对手一样,ws分支在ss分支和自己的水平外接矩阵优化变成更准,而ss分支在Lss帮助下也变得更准,两者在不断竞争中变得更准.

1.ss分支的作用是：将水平垂直的真实框 通过自身网络预测出来 假的旋转真实框。为了帮助后续ws分支所 预测框的矫正、学习。

个人在此产生了点疑问：效率问题，ss分支只有通过Lss损失函数的减少才能提高自身预测出旋转框的水平。（也是我后续觉得有可能创新的地方）；真实问题，ss分支预测的旋转框真的比较贴近现实的框吗。

2.ws分支的作用是：就和普通旋转检测一样就是边框回归，类别预测。

3.Label Assigner的作用是：使得两边分支的框能一一对应起来。

4.旋转矩阵R(也是个人对该文章最大的不解):为啥要将原始图旋转后交给ss分支预测呢?你ss分支不本来就是预测旋转框的吗?其实你直接拿原始图进去预测有什么区别呢?因为你后面ws预测框也乘以角度然后在和ss分支的预测框进行对比.

Mygod丶玉
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
H2RBox:HORIZONTAL BOX ANNOTATION IS ALL YOU NEED FOR ORIENTED OBJECT DETECTION（读论文）
fei_YuHuo的博客
10-29 1224
使用水平框训练rbox detector
Rotated FCOS
fei_YuHuo的博客
10-29 752
复习一下FCOS=
旋转目标检测：The KFIoU Loss for Rotated Object Detection（Under review in ICLR 2022）
weixin_44605991的博客
03-07 7051
关键词：KFIoU, 倾斜IoU(SkewIoU) 参考博客： https://zhuanlan.zhihu.com/p/447286823 论文原文下载： https://openreview.net/pdf?id=B9LUI0pZFGc 代码下载地址： mmrotation: https://github.com/open-mmlab/mmrotate 一、摘要（直译）： 不同于发达的水平目标检测区域，即基于计算友好的IoU的损失很容易被采用，并很好地符合检测指标。相比之下，旋转探测器通常涉及到基于Sk
《Gliding vertex on the horizontal bounding box for multi-oriented object detection》算法详解
Michael’s Blog
12-17 6296
《Gliding vertex on the horizontal bounding box for multi-oriented object detection》是华中科大白翔老师的新作，发表于2019年11月21号。该文章是用来做物体检测的，有意思的是发挥了白翔老师在OCR方面的特长。一般的物体检测都是使用一个非旋转矩形来表示一个物体，文章认为对于长条形的物体（例如斜着的中文句子，航拍的船舶...
多方向目标检测《Gliding vertex on the horizontal bounding box for multi-oriented object detection》
liangbaqiang的博客
09-15 1490
github链接：https://github.com/MingtaoFu/gliding_vertex 《Gliding vertex on the horizontal bounding box for multi-oriented object detection》是华中科大白翔老师的新作，发表于2019年11月21号。该文章是用来做物体检测的，有意思的是发挥了白翔老师在OCR方面的特长。一般的物体检测都是使用一个非旋转矩形来表示一个物体，文章认为对于长条形的物体（例如斜着的中文句子，航拍的船舶等），
Center and Scale Prediction: A Box-free Approach for Object Detection
既然选择了远方 便只顾风雨兼程 - 永强
06-11 3693
Center and Scale Prediction: A Box-free Approach for Object Detection 3 Proposed Method 3.1 Preliminary preliminary [prɪ'lɪmɪn(ə)rɪ]：adj. 初步的，开始的，预备的 n. 初步行动，准备工作，预赛，预试 The CNN-based object detectors...
文献翻译2：AOPG: Anchor-free Oriented Proposal Generator for Object Detection
qq_37444533的博客
12-28 2046
Oriented Object Detection是遥感图像判读中具有实用价值和挑战性的任务。HBB往往与ground-truth的IoU很小，导致引入噪声等问题。 本文提出了anchor-free的AOPG(Anchor-free Oriented Proposal Generator)。AOPG摒弃了与HBB有关的操作。AOPG首先通过anchor-free的Coarse Location Module (CLM) 生成粗糙的oriented boxes，然后细化它们以生成高质量的oriented p
Oriented Object Detection with Transformer阅读笔记
风行
11-19 3072
(一) Title 前言: 本文没有开源,但是最近我有实现一个基于Transformer的Detector的想法,因此还是决定看下这个论文,然后再基于DETR构建一个基于Transformer的旋转框目标检测方法,怎么说呢？公式里的每一个符号我都能看懂,但是合到一起就看不懂了,而且看完这个论文的感受很不好，有太多疑问了，希望之后能够开源代码吧。 论文地址:https://arxiv.org/abs/2106.03146 代码地址:没开源 (二) Summary 背景 DETR相比于传统的detector
DiffusionDet: Diffusion Model for Object Detection
明前大奏的博客
12-11 3235
2022-12-9-论文阅读-目标检测
大模型微调工具-torchtune
weixin_40777649的博客
08-08 505
1.定义2.安装3. 案例。
根据哈希值或者特征值判断图片是否相同
最新发布
Y_warmth
08-09 301
detectAndCompute 方法结合了特征检测和描述符计算两个步骤，可以在图像中检测出特征点并计算这些特征点的描述符。ORB（Oriented FAST and Rotated BRIEF）是一种结合了 FAST 特征检测器和 BRIEF 描述符的特征提取算法，具有旋转不变性和尺度不变性，适用于图像特征匹配、目标检测等任务。接着使用 ORB 对象的 detectAndCompute() 方法检测图像中的特征点并计算描述符，最后将特征点绘制在图像上并显示出来。
Crowd-SAM：SAM作为拥挤场景中目标检测的智能标注器
AI浩
08-06 900
问题定义。如图1所示，我们的目标是在标记数据很少的情况下，检测拥挤场景中的对象（如行人）。我们将此问题表述为一类小样本检测任务。常见的小样本流程是将数据分为基础集和新集。不同的是，我们直接使用目标类的数据进行模型训练，因为基础模型已经在大规模数据上进行了训练。特别是，我们采用分割掩码作为中间结果，这些结果可以很容易地转换为边界框。在训练和评估过程中，仅提供边界框标注。对SAM自动生成器的初步研究。提示数量会影响SAM的性能，我们针对拥挤场景分析了这一问题。
电脑技巧：9个免费的AI图片无损放大工具和网站
08-05 933
今天小编给大家介绍9款免费的AI图片放大工具和网站，帮助你提高图片清晰度，感兴趣的朋友可以自己试一试！美图设计室是美图秀秀公司推出的一款在线图片编辑和设计工具箱，提供包括AI 抠图、AI海报、AI PPT、AI消除、AI文生图、AI变清晰、AI无损放大等AI图片编辑工具。其提供的图片无损放大功能，目前是限时免费中，可以帮助用户将JPG、JPEG、PNG、HEIC等格式的图片放大清晰不失真，细节更丰富。✅ 产品优点由美图推出，产品功能稳定，处理速度较快支持免费进行图片放大到8倍。
pytorch下载慢，如何下载到本地再去安装，本地安装pytorch
weixin_53035684的博客
08-09 193
本地安装torch
目标检测的详细介绍
极客栈
08-05 761
目标检测是一项复杂的计算机视觉任务，它不仅需要识别图像中的对象类别，还需要精确地定位每个对象的位置和大小。
RPA+AI有什么应用？6大技术融合方向分析 | 实在RPA研究
SHIZAIZHINENG的博客
08-06 1038
随着数字化转型的加速，企业正寻求更高效、智能的方法来优化业务流程。机器人流程自动化（RPA）作为一种快速兴起的技术，已经证明了其在自动化重复性任务方面的能力。然而，当RPA与各种人工智能（AI）技术相结合时，其潜力将得到更全面的释放。本文将探讨不同的AI技术如何与RPA结合，以及这种结合为企业带来的变革性应用方向。机器学习 (ML)使系统能够从数据中学习和改进提高预测准确性，自动化决策制定风险管理、欺诈检测、个性化推荐银行使用ML增强RPA进行信用评分和欺诈识别计算机视觉 (CV)
Python面试题：结合Python技术，如何使用PyTorch进行动态计算图构建
码农超哥的博客
08-06 600
PyTorch 是一个流行的深度学习框架，它通过动态计算图（Dynamic Computation Graphs）来支持自动微分（Autograd）。动态计算图的特点是每次前向传播时都会构建新的计算图，这使得它非常灵活，适合处理可变长度的输入和复杂的模型结构。以下是如何使用 PyTorch 构建动态计算图的步骤和示例：导入必要的库：定义模型：创建输入数据：前向传播：反向传播：更新参数：以下是一个简单的线性回归示例，演示了如何使用动态计算图： 关键点解析 动态计算图：在 方法中，每次调用都会构建新的计算
打造智能障碍物检测系统：从零开始的深度学习项目
a871923942的博客
08-05 1069
随着自动驾驶技术的发展，障碍物检测成为保障行车安全的重要一环。通过深度学习模型，尤其是YOLO（You Only Look Once）模型，可以高效、准确地检测道路上的障碍物，从而提高自动驾驶系统的安全性和可靠性。
线性代数课程概要介绍
08-07 867
线性代数课程内容丰富，主要围绕向量、矩阵和线性变换等核心概念展开，旨在培养学生的空间直观和想象能力、抽象思维和逻辑推理能力。线性代数是理工科大学生必修的数学基础课之一，也是硕士研究生入学全国统一考试中必考的数学课程之一。它不仅是离散化和数值计算的理论基础，还广泛应用于自然科学、社会科学、工程技术、军事和工农业生产等领域。
gliding vertex on the horizontal bounding box for multi-oriented object detection
04-06
“gliding vertex on the horizontal bounding box for multi-oriented object detection”可以翻译为“在水平边界框上滑动顶点进行多方位目标检测”。
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
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