一般目标检测(generic object detection)的目标是根据大量预定义的类别在自然图像中确定目标实例的位置,这是计算机视觉领域最基本和最有挑战性的问题之一。近些年兴起的深度学习技术是一种可从数据中直接学习特征表示的强大方法,并已经为一般目标检测领域带来了显著的突破性进展。
Paper :Large Selective Kernel Network for Remote Sensing Object Detection Paper 代码:https://github.com/zcablii/Large-Selective-Kernel-Network Abstract 最近关于遥感物体检测的研究主要集中在改进旋转包围框的表示方法上,但忽略了遥感场景中出现的独特的先验知识。这种先验知识是非常重要的,因为微小的遥感物体可能...
主要包含了object detection早期的一个发展状况。多尺度检测技术(multi-scale detection)的一个发展,2014年之前主要使用feature pyramids+sliding window,2010-2015主要是object proposal用的比较多,13-16又涌现出了用网络直接回归比如YOLO,15年之后到现在主要是用anchor box的手段,传统的基于anchor box的工作他的损失函数...
其中Bin-5是Blur kernel 效果最好。 6. MMDetection: Open MMLab Detection Toolbox and Benchmark 年份:2019;关键词:MMDetection;引用量:229;推荐指数(1-5):5 描述:解决瓶颈:现有集成的代码库不够丰富。 解决方法:将目标检测多种SOTA模型和优化手段集成到mmdetection代码库中,灵活且高效。 创新点:将不同SOTA目...
We also set up a regularly updated project page on: https://github.com/rui-qian/SoTA-3D-Object-Detection.2. BACKGROUND2.1. FoundationsLet denote input data, say, LiDAR signals or monocular images, denote a detector parameterized by . Consider an -dimensional result subset with predictions, ...
Camouflaged Object Detection 摘要 我们对一项名为伪装物体检测(COD)的新任务进行了全面研究,该任务旨在识别“无缝”嵌入到周围环境中的物体。目标对象与背景之间的高内在相似性使目标检测比传统的目标检测任务更具挑战性。为了解决这个问题,我们精心收集了一个名为COD10K的新数据集,包含了10000幅覆盖各种自然场景中的...
从名字可以看出,作者完全抛弃了之前的“proposal detection + verification”的检测机制,而是用不同的机制代替:它应用单个神经网络到整个图像,将图像分成区域,并同时预测每个区域的边界框和类别概率。之后R. Joseph做了一系列的提升得出v2,v3版本。缺点:尽管它在速度上有极大的优势,但在定位准确性上不如two-stage...
而且扩散模型在图片生成任务中超越了原SOTA:GAN,并且在诸多应用领域都有出色的表现。而扩散模型在生成模型中的成功经验不禁让人好奇,其能否在计算机视觉的判别模型中,同样发挥出较好的效果。最近来自腾讯和HKU的一份工作给出了肯定的答案。 首先简单回顾下最近目标检测(object detection)的趋势。目标检测的目的是在一个...
而且,在COCO检测上,DetCo比带SwAV和Mask R-CNN C4好6.9 AP。值得注意的是,DetCo在很大程度上提升了稀疏R-CNN,一个最近很强的检测器,从45.0 AP提升到46.5 AP (+1.5 AP),在COCO上建立了一个新的SOTA。 1、介绍 视觉表示的自监督学习是计算机视觉中的一个重要问题,它有助于许多下游任务,如图像分类、目标...
Rui Qian, Xin Lai, Xirong Li: 3D Object Detection for Autonomous Driving: A Survey (Pattern Recognition 2022: IF=8.518) - rui-qian/SoTA-3D-Object-Detection