CVPRDec, 2015

对象检测提议在条件变化下的评估

PDF
TL;DR本文介绍了一种将 Selective Search 和 EdgeBoxes 相结合的目标检测方法，并在环境变化下对其进行了实验验证，结果表明此方法在光照和视角变化下性能优于其他两种方法。
object detectionselective searchedgeboxesenvironmental variationsilluminationview point
发现论文，激发创造
  • 在线目标跟踪及提议选择

    本文提出了一种通过采用基于几何变换估算的新建议并运用多种线索的选择策略，来跟踪在对象可能经历严重旋转等多种变换下的的目标进行追踪，并在多个数据集中获得最佳性能。

    Sep, 2015

  • 检测建议有多好？

    对当前十种对象提案方法及四种基准方法进行系统分析，发现现有方法存在共同的缺点并提供选择最适合不同场景的方法的洞见。

    Jun, 2014

  • 上下文选择在目标检测中的作用

    研究对象检测中上下文限制效果有限的原因，提出了一种基于区域的上下文重新评分方法，该方法采用动态上下文选择来消除噪声并强调信息上下文，实验表明该方法在性能评估方面显著优于外观检测器和传统上下文模型。

    Sep, 2016

  • 不受限环境目标检测技术的综合研究

    本文综合研究了计算机视觉中物体检测技术在无约束环境下的各种挑战、数据集和最新方法，并进行了方法的比较分析，强调了它们的优缺点，并提出了未来的研究方向，以进一步改善在无约束环境下的物体检测技术。

    Apr, 2023

  • 使用方向边界框进行物体检测的环境条件评估，用于增强现实应用

    该研究提出了一种新的方法，使用定向边界框与深度识别网络来改善增强现实中场景分析和物体识别的性能和处理时间，该方法使用 DOTA 数据集和一个模拟不同环境、照明和获取条件的合成数据集进行评估，结果表明该方法在大多数测试条件下能够更好地识别小物体，具有更高的平均精度和准确性。

    Jun, 2023

  • 在边缘框提议上追踪随机移动对象

    该论文提出了一种基于实例特异的物体质量度量生成优质提案的目标跟踪方法，并通过更新物体模型及学习提议的重排序来减少困难背景干扰物，以提高跟踪系统的鲁棒性，该方法在常见的跟踪基准测试中，性能优异，在快速运动物体以及超低帧率视频中表现出强大的鲁棒性。

    Jul, 2015

  • 可扩展的高质量目标检测

    本研究使用深度学习的 MSC-MultiBox 方法，在 ILSVRC 2014 数据集上取得了 $0.5$ 的 mAP 表现，明显优于其前任 MultiBox 方法，同时还能在减小提议数量的情况下提高边界框召回率。

    Dec, 2014

  • 基于深度特征的目标检测上下文模型

    本文提出了一种综合局部外观特征，对象关系的上下文信息和全局场景上下文特征的集合物体检测系统，该系统采用基于对象建议的完全连接条件随机场（CRF）进行建模，并利用快速平均场近似方法有效地进行 CRF 模型中的推理，实验结果表明，与基线算法 Faster R-CNN 相比，我们的方法在 PASCAL VOC 2007 数据集上实现了更高的平均精度（mAP）.

    Apr, 2016

  • 再探基于提案的物体检测

    该研究提出了一种基于相交区域回归的方案，替代了常用的目标检测中预测最大重叠的策略，通过围绕物体的候选框组合回归的相交区域的并集来得出最终的预测，该方法对检测流程做出了最小的改变并可用于任何现有方法，对经典的目标检测和实例分割方法均有直接的改进。

    Nov, 2023

  • 基于深度学习的目标检测综述

    本调查研究了物体检测领域的主要发展现状以及现有典型检测模型的方法和评估数据集，分别分析了一阶段和二阶段检测器的综合概述，并总结了物体检测的传统和新型应用，最后就利用这些物体检测方法构建高效系统的应用建议和发展趋势进行了探讨。

    Jul, 2019