![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
文章平均质量分 92
chenzy_hust
检测分割、图像超分、图像去雨领域
展开
-
ICCV2021-Soft Teacher-End-to-End Semi-Supervised Object Detection with Soft Teacher
前言:SSL(Semi-Supervised Learning)半监督学习,由于其可以合理利用大量无标注数据的属性,一直是CV研究的一个重要方向。最近看到微软在ICCV2021发表的一篇新论文Soft Teacher,在结合sota的检测和实例分割网络之后,直接刷榜相关的LeaderBoard,所以及时跟进一下。SSL目前在分类和检测网络上应用的比较广泛,常用多阶段的学习方式,具体来说就是先基于标注好的数据训练一个基准网络;然后对未标注的数据推理输出结果,通过设置较高的阈值得到对应的伪标签(图.原创 2021-11-23 20:05:55 · 6829 阅读 · 5 评论 -
CVPR2021-YOLOF 单阶段检测网络去除FPN | You Only Look One-level Feature
论文地址:https://arxiv.org/pdf/2103.09460.pdfGithub地址:https://github.com/megvii-model/YOLOF.Abstract:本文回顾了用于一阶段检测器的特征金字塔网络(FPN),并指出FPN的成功在于其对目标优化问题的分治解决方案,而不是多尺度特征融合。从优化的角度来看,我们引入了一种替代方法来解决问题,而不是采用复杂的特征金字塔-仅使用一级特征进行检测。在简单有效的解决方案的基础上,我们提出了“仅看一级特征“(YOLOF)。在.原创 2021-03-18 22:23:48 · 1204 阅读 · 0 评论 -
实时车道线检测算法 | LaneATT-250FPS && LSTR-420FPS
车道线检测领域突然飞速发展,关注一下论文地址:https://arxiv.org/pdf/2010.12035.pdfGithub地址:https://github.com/lucastabelini/LaneATTAbstract:现有车道线检测方法在复杂的现实世界场景中已取得了卓越的性能,但是许多方法都存在运行实时效率的问题,这对于汽车的自动驾驶来说至关重要。在这项工作中,我们提出了LaneATT:基于anchor的深度车道线检测模型,类似于其他通用的深度目标检测器,该模型将anchors.原创 2020-11-22 14:46:43 · 10041 阅读 · 5 评论 -
ECCV2020-HCE-全局Roi Align目标检测网络 | Hierarchical Context Embedding for Region-based Object Detection
其实很早就有Global Roi Pooling这种思想了。本文深入地研究了全局上下文信息对于局部roi pooling的补充。效果来看,提升也一般。论文地址:https://arxiv.org/pdf/2008.01338.pdfAbstract:最先进的二阶目标检测器将分类器应用于稀疏的目标proposals,这取决于RoIPool或RoIAlign提取的区域特征作为输入。尽管与proposals位置很好地相符,但区域范围内的特征仍可能缺少关键的上下文信息,这对于滤除嘈杂的背景检测以及识别没.原创 2020-08-14 21:46:11 · 1448 阅读 · 0 评论 -
小目标检测TOD挑战赛冠军方案解读 | The 1st Tiny Object Detection Challenge
论文地址:https://arxiv.org/pdf/2009.07506.pdfAbstract:第一届小目标检测(TOD)挑战赛旨在鼓励人们进行研究,以开发新颖,准确的方法来对具有广阔视野图像中的微小物体进行检测,目前重点集中在小人物检测方面。 TinyPerson数据集用于TOD挑战赛,并已公开发布。 它具有1610张图像和72651框级注释。 来自全球的约36个参赛团队参加了第一届TOD挑战赛。 在本文中,我们对第一届TOD挑战赛进行了简要概述,包括了对前三名方法的简要介绍。对于对TOD挑.原创 2020-09-19 17:34:56 · 2341 阅读 · 0 评论 -
NIPS2020-RelationNet++: Bridging Visual Representations for Object Detection via Transformer Decoder
Abstract:现有的目标检测框架通常建立在目标/部分表征的单一形式上,即RetinaNet和Faster R-CNN中的anchor/proposal矩形框,FCOS和RepPoints中的中心点以及Corner-Net中的角点表示。尽管这些不同的表示形式通常会促使框架在不同方面表现良好,例如更好的分类或更好的定位,但是由于异构性或者通过不同表征提取到的非网格特征,通常很难将这些表示形式组合到单个框架中以充分利用每种优势。本文提出了一种基于注意力的解码器模块,与Transformer 中的模块类似,.原创 2020-11-16 10:43:54 · 952 阅读 · 0 评论 -
DetectoRS-最强目标检测网络 54.7AP | Detecting Objects with Recursive Feature Pyramid and Switchable Atrous
最新目标检测论文,从检测的骨干网络设计出发,效果直接SOTA!论文地址:https://arxiv.org/pdf/2006.02334.pdf、Github地址(基于mmdet):https://github.com/joe-siyuan-qiao/DetectoRSAbstract:一些现有的目标检测器已经证明了,通过使用两次观察和思考的机制,能够表现出优秀的性能。 在本文中,我们探索了将这种机制用于目标检测的主干设计中。 在宏观级别,我们提出了递归特征金字塔,它结合了从特征金字塔网络到自.原创 2020-06-04 22:05:25 · 3844 阅读 · 6 评论 -
Stitcher-小目标检测算法 | Stitcher: Feedback-driven Data Provider for Object Detection
刚出来的小目标检测论文论文地址:https://arxiv.org/pdf/2004.12432.pdfAbstract:目标检测器通常会根据尺寸具有不同质量,其中小物体的性能最不令人满意。在本文中,我们研究了这种现象,并发现:在大多数训练迭代中,小目标的损失对总损失几乎没有贡献,导致优化不平衡导致性能下降。受此启发,我们提出Stitcher,它是一种反馈驱动的数据提供者,旨在以平衡的...原创 2020-04-29 22:37:47 · 2415 阅读 · 3 评论 -
CVPR2020-SEPC-单阶段目标检测提升4个点 | Scale-Equalizing Pyramid Convolution for Object Detection
启发应该是来源于SIFT中高斯金字塔带来的尺度不变性。论文出来很久了,感觉的确创新点很强,效果也是爆炸!论文地址:http://openaccess.thecvf.com/content_CVPR_2020/papers/Wang_Scale-Equalizing_Pyramid_Convolution_for_Object_Detection_CVPR_2020_paper.pdfGithub地址:https://github.com/jshilong/SEPCAbstract:特征金字塔已.原创 2020-06-23 22:20:23 · 2055 阅读 · 1 评论 -
CVPR2020-PISA-目标检测prime采样新方法 | Prime Sample Attention in Object Detection
Github地址:https://github.com/open-mmlab/mmdetection.Abstract:在目标检测框架中,将所有样本均等对待并以平均性能最大化为目标是一种常见的范例。在这项工作中,我们通过仔细研究不同样本如何对以mAP衡量的整体表现做出贡献的方式来重新研究此范例。我们的研究表明,每个mini-batch中的样本既不是独立的,也不是同等重要的,因此,更好的分类不一定会导致更高的mAP。出于本研究的动机,我们提出了“ Prime Samples”(主样本)的概念,这些.原创 2020-06-28 15:12:09 · 4566 阅读 · 2 评论 -
VarifocalNet-单阶段目标检测SOTA | VarifocalNet: An IoU-aware Dense Object Detector
新提出的单阶段检测网络(工作后看论文的时间越来越少)论文地址:https://arxiv.org/pdf/2008.13367.pdfGithub地址:https://github.com/hyz-xmaster/VarifocalNetAbstract:对大量的候选检测进行准确排序对于优异表现的目标检测器来说非常重要。然而之前的研究工作使用分类得分或者与IOU-based定位得分联合起来作为排序的依据,它们都不能可靠地表示排序,这会损害检测性能。本文中,我们提出去学习IOU感知的分类得分(I.原创 2020-09-13 20:15:34 · 9138 阅读 · 1 评论