RRPN: 自主车辆目标检测的雷达区域提议网络
本文提出一种完全卷积的区域提议网络(RPN),在同时预测目标边界和目标特征分数的同时,使用完全图像卷积特征共享检测网络的特征。
Jun, 2015
本文研究领域自适应目标检测中的区域建议网络 (RPN) 和分类器 (RPC),发现了二者在面对大型区域差异时的显著差异,通过最小最大优化及使用低置信度样本差异计算,提出了一种互相指导训练,并在多种场景下验证了其有效性的方法。
Sep, 2020
本文介绍一种新的维度分解区域提议网络 (DeRPN),采用 anchor string 机制独立匹配物体的宽度和高度,适用于不同形状物体,针对不同比例物体的不平衡损失计算,设计了新颖的尺度敏感损失函数。在多个数据集测试中,DeRPN 相较传统 RPN 方法具有更好的性能和适应性,且不需要调整超参数或专门优化。
Nov, 2018
本研究提出了一种基于几何关系的 monocular 三维物体检测方法,通过单独的三维区域建议网络和深度感知卷积层,能够有效地改善基于图像的三维物体检测在自动驾驶领域中的表现。在 KITTI 数据集上,与其他之前的方法相比,M3D-RPN 方法在单眼三维物体检测和俯视图检测任务中都表现出显著的性能提升。
Jul, 2019
这篇论文提出了一种名为 Cascade Region Proposal Network(Cascade RPN)的架构,通过系统地处理传统 RPN 的限制来提高区域建议质量和检测性能,实现了更好的定位和检测,其中核心要素包括:单一锚点设计、多阶段细化、适应性卷积等。
Sep, 2019
本文介绍了一种新颖的基于旋转的框架,用于自然场景图像中的任意方向文本检测。我们提出了 Rotation Region Proposal Network(RRPN),它们设计用于生成倾斜的提议并提供文本方向角度信息,然后针对性地适应边界框回归,以更精确地适应文本区域。本框架建立在基于区域提议的体系结构之上,保证了与先前的文本检测系统相比,任意方向文本检测的计算效率。我们在三个真实世界的场景文本检测数据集上使用旋转平整的算法,并展示其在效果和效率方面的卓越性。
Mar, 2017
本论文提出了一种新的基于区域提案网络的方法来替换 Faster R-CNN 中的锚点机制,通过去除复杂的锚点设计,可以在大规模 COCO-Text 数据集上实现更高的召回率,并在 ICDAR-2017 MLT、ICDAR-2015 和 ICDAR-2013 文本检测基准测试中取得最先进的结果。
Apr, 2018
NeRF-RPN 是首个在 NeRF 上直接操作的显著物体检测框架。它利用一种新颖的体素表示法,通过回归 NeRF 模型直接得出物体的三维边界框,而无需在任何视点渲染 NeRF。此外,作者还建立了基准数据集,其中包括合成和真实世界数据,可供未来的 NeRF 目标检测研究参考。
Nov, 2022
本文介绍了一种高效的、有效的、面向对象的检测框架 ——Oriented R-CNN,其中包括一种面向区域提议网络(oriented RPN),可以直接生成高质量的面向提议,并具有最先进的检测精度。
Aug, 2021
我们提出了一种新颖的区域生成方法,用于执行面部检测,该方法使用基于池化的方法生成区域提案,通过提出一种有效的锚点放置策略来降低锚点数量,并演示了我们的网络生成的提案优于 RPN 用于生成面部检测的区域提案,这种方法还有迭代优化、浮点锚点设置和锚点更改等多个优点,该面部检测器在 WIDER 数据集上使用 ResNet-50 主干获得了 89.4% 的 mAP。
Dec, 2018