Copyright ?2013-2017 中國(guó)學(xué)術(shù)論文查重檢測(cè)系統(tǒng)入口 All Rights Reserved. 網(wǎng)站備案號(hào):黔ICP備19012782號(hào)-3.
由于低分辨率低,像素有限,小目標(biāo)檢測(cè)很困難。 例如,通過(guò)只看下圖上的目標(biāo),人類甚至很難識(shí)別這些物體。 然而,通過(guò)考慮到它位于天空中的背景,這個(gè)物體可以被識(shí)別為鳥(niǎo)類。 因此,我們認(rèn)為,解決這個(gè)問(wèn)題的關(guān)鍵取決于我們?nèi)绾螌⑸舷挛淖鳛轭~外信息來(lái)幫助檢測(cè)小目標(biāo)。
一共搜集了65篇2D目標(biāo)檢測(cè)論文,涉及:通用目標(biāo)檢測(cè)、旋轉(zhuǎn)目標(biāo)檢測(cè)、Few-shot/自監(jiān)督/半監(jiān)督/無(wú)監(jiān)督目標(biāo)檢測(cè)等方向。 最新! CVPR 2021 視覺(jué)Transformer論文大盤(pán)點(diǎn)(43篇)
有研究員提出了一種利用上下文的目標(biāo)檢測(cè)方法來(lái)提高檢測(cè)小目標(biāo)的精度。 該方法通過(guò)連接多尺度特征,使用了來(lái)自不同層的附加特征作為上下文。 研究員還提出了具有注意機(jī)制的目標(biāo)檢測(cè),它可以關(guān)注圖像中的目標(biāo),并可以包括來(lái)自目標(biāo)層的上下文信息。 實(shí)驗(yàn)結(jié)果表明,該方法在檢測(cè)小目標(biāo)方面的精度高于傳統(tǒng)的SSD框架。 下圖顯示了SSD框架無(wú)法檢測(cè)到小目標(biāo)時(shí)的案例情況。
目標(biāo)檢測(cè)的目標(biāo)是確定圖像中目標(biāo)的類別和位置。 本文提出了一種新的anchor free兩階段框架,它首先通過(guò)尋找潛在的角點(diǎn)組合來(lái)提取一些候選目標(biāo),然后通過(guò)一個(gè)獨(dú)立的分類階段為每個(gè)候選分配一個(gè)類標(biāo)簽。 這兩個(gè)階段分別是提高召回和精度的有效解決方案,它們可以集成到端到端網(wǎng)絡(luò)中。 框架稱為Corner Proposal Network (CPN),具有檢測(cè)各種尺度目標(biāo)的能力,也避免被大量假陽(yáng)性候選所混淆。