Feb, 2020

自适应中心和尺度预测：更稳定和更准确

PDF
TL;DR该论文通过在 Center and Scale Prediction (CSP) 检测器上提出改进的方法，实现了锚点无关和单阶段检测器的高精度，探索了 Switchable Normalization 的一些能力。在 CityPersons 基准测试中，表现为 log-average miss rate (MR) 在 reasonable set 上为 9.3％，在 partial set 上为 8.7％，在 bare set 上为 5.6％，获得了第二高的性能。
pedestrian detectiondeep learninganchor-free detectorstwo-stage detectorsswitchable normalization
发现论文，激发创造
  • 中心缩放预测：用于行人和人脸检测的无锚点方法

    本文提出了一种新的视角，即通过高级语义特征检测任务来检测对象，通过卷积实现中心和比例预测来简化行人和人脸检测，使其无需使用窗口分类器或基于锚箱的预测方式，并展现了在多项挑战性基准测试中具有竞争力的准确性以及卓越的泛化能力。

    Apr, 2019

  • 远在眼前？不是真的！--- 基于尺度感知定位策略的行人检测

    本文提出了一种主动型行人检测器，该检测器利用多层神经表示、ResNet 和 faster R-CNNs 等技术实现对行人检测，能够有效解决行人检测中小尺寸行人偏远离摄像头时检测效果不佳的问题，经实验证实具有良好的性能。

    Sep, 2017

  • 面向行人检测的尺度感知快速 R-CNN

    本研究探讨了自然场景下的行人检测问题，提出了基于分治思想的 SAF R-CNN 框架来解决实例尺度的变化范围大导致的特征内类别方差大的问题，并在多个具有挑战性的行人检测数据集上实现了业界领先效果。

    Oct, 2015

  • 概率两阶段检测

    该研究提出了一种概率解释的两阶段物体检测方法，从而建立了一个比两阶段检测器更快更准确的概率两阶段检测器，并通过 C OC O 测试数据验证其性能优越性。

    Mar, 2021

  • POD: 基于尺度敏感网络的实用目标检测

    提出了一种采用比例尺度敏感卷积神经网络的实用目标检测方法。通过平均特征来预测每个卷积滤波器的全局连续比例尺度，并通过通道来提取比例尺度。为了实现快速部署，将鲁棒性分数尺度转换为每个卷积滤波器的固定整数比例尺度组合，利用了膨胀卷积。在 COCO test-dev 上，该模型在 ResNet-101 的两个阶段探测器上分别实现了 41.5 和 42.1 的平均精度，并且无需额外的 FLOPS 即可超越基线模型。

    Sep, 2019

  • 优化基于锚点的检测器用于自动驾驶场景

    研究了适用于自动驾驶场景的基于锚点的检测器的模型改进和推理时间优化，提出了模型缩放策略，以实现更好的速度 - 精度权衡曲线，并在 Waymo 开放数据集上获得了新的最新技术水平。

    Aug, 2022

  • AFDet：基于锚点的一阶段三维物体检测

    提出了一种名为 AFDet 的基于 CNN 加速器或 GPU 的单阶段检测器，避免了基于锚点的检测方法中后处理复杂且计算代价高、锚点参数调整困难的问题。在 KITTI 和 Waymo 数据集验证集上表现良好。

    Jun, 2020

  • 微小人物检测的比例匹配

    本研究提出了一个名为 TinyPerson 的新基准，针对大规模图像中的微小对象（例如少于 20 像素的微小人物），引入了远距离和大背景下微小目标检测的有前途的方向，并且通过采用简单而有效的比例匹配方法，在避免特征表示和检测器退化的同时获得了显著的性能提升，并且进一步展示了 TinyPerson 与真实世界场景相关的挑战。

    Dec, 2019

  • S4OD: 单阶段目标检测的半监督学习

    本文提出一种动态自适应阈值策略，同时考虑伪标签的质量和数量，并提出一种模块计算单级检测器的伪标签回归不确定性，仅使用来自 COCO 的 10％标记数据，我们的方法在基于锚点和无锚点的检测器（RetinaNet 和 FCOS）上实现了 35.0％AP 和 32.9％。

    Apr, 2022

  • 免锚人员搜索

    本文提出了一种基于 AlignPS 的 anchor-free 框架来解决人物搜索问题，包括行人检测和人物重新识别，通过对齐特征聚合模块，实现更鲁棒的特征嵌入，显著提高了基线 anchor-free 模型的性能。

    Mar, 2021