Mar, 2022

BigDetection：用于改善目标检测预训练的大规模基准测试

PDF
TL;DR本文介绍了一个新型的大规模基准数据集 BigDetection，它通过整合多个现有数据集并提供更大样本数量、更统一的标注体系，可以用于改进物体检测算法的预训练效果，并已被证明是一个有效的检测方法评估标准。
object detectionbigdetectiondatasetstrainingpre-training
发现论文，激发创造
  • 野外大规模不平衡多标签物体检测

    本文提出了一种处理 Open Images 数据集中目标多标签和标签分布不平衡问题的方法，使用 concurrent softmax 处理多标签问题并提出一种混合训练计划的软采样方法来解决标签分布不平衡问题，实验结果在公共测试集上达到了最佳水平。

    May, 2020

  • V3Det：大规模词汇视觉检测数据集

    提出了一个新的物体检测数据集 V3Det，包含着丰富的边界框和类别层次结构，可以用于 vast 和 open vocabulary 的物体检测任务。

    Apr, 2023

  • 增强的物体检测：2024 年 V3Det 挑战赛上关于广泛词汇物体检测轨道的研究

    我们在 V3Det 数据集上对监督式大规模词汇视觉检测任务进行了研究，通过调整网络结构、改变损失函数和设计训练策略等一系列改进，我们的模型在 V3Det Challenge 2024 的大规模目标检测 (Supervised) 任务和 Open Vocabulary Object Detection (OVD) 任务中取得了出色的排名。

    Jun, 2024

  • ScaleDet: 一种可扩展的多数据集对象检测器

    本文提出了一种可扩展的多数据集检测器 (ScaleDet)，使用语义标签相似性通过视觉 - 文字对齐训练来学习标签分配，从而在多个数据集上实现了强大的模型性能，超越了相同骨干网络的最新检测器。

    Jun, 2023

  • TrackingNet: 野外物体跟踪的大规模数据集和基准

    该研究提出了 TrackingNet 数据集，为在野外进行物体跟踪提供了第一个大规模数据集和基准，并评估了 20 多个追踪器模型，结果表明，在野外物体跟踪仍然远未解决。

    Mar, 2018

  • 光学遥感图像中的目标检测：调查和新基准

    本文提供了在计算机视觉和地球观测社区中基于深度学习的对象检测的综合研究进展，并提出了一个公开的大规模测量数据，即 DIOR 数据集，其可帮助研究人员开发和验证数据驱动的方法。

    Aug, 2019

  • ImageNet 大规模视觉识别挑战赛

    本研究介绍了 ImageNet Large Scale Visual Recognition Challenge 数据集的创建及在对象识别方面的进展，强调了收集大规模地面真实注释的挑战，分析了大规模图像分类和目标检测领域的现状，并将最先进的计算机视觉准确性与人类准确性进行了比较。最后总结了挑战五年来的经验教训，并提出了未来方向和改进措施。

    Sep, 2014

  • Open Images 数据集 V4: 大规模统一图像分类、物体检测和视觉关系检测

    Open Images V4 是一份有关图像分类、物体检测和视觉关系检测的数据集，包括了 9.2M 幅图片，其中包含了 30.1M 个图像级标签，15.4M 个边界框，以及 375k 个涉及 57 类的视觉关系注释。

    Nov, 2018

  • 航拍图像中的物体检测：大规模基准和挑战

    本研究介绍了一个大规模的 DOTA 数据集，包括从 11,268 个航拍图像中收集的 18 个分类的定向边界框注释的 1,793,658 个物体实例，并基于此构建了覆盖 70 多种配置的 10 种最新算法的基线，还提供了 ODAI 的代码库和用于评估不同算法的网站。

    Feb, 2021

  • 2024 年 V3Det 挑战赛：广泛词汇和开放词汇目标检测的方法和结果

    通过分析参与者提交的方法和解决方案，我们旨在激励巨大词汇和开放词汇目标检测领域的未来研究方向，推动该领域的进展。

    Jun, 2024