CVPRMar, 2022

AxIoU：一种公理上证明的视频时刻检索度量

PDF
TL;DR本文提出一种新的 VMR（Video Moment Retrieval）评价指标 -- Average Max IoU，该指标不再受制于旧评价方法 R@$K, heta$ 存在的问题，并满足了两个重要的 VMR 评价公理，即 “Redundant Moments 不变性” 和 “Best Moment 单调性”。同时，作者也通过实验给出了新评价指标和旧评价方法在不同数据和时间边界下的表现比较。
video moment retrievalevaluation measuresr@$k,theta$average max ioutemporal boundaries
发现论文，激发创造
  • 广义交并比：一个边框回归的度量和损失函数

    本研究主要关注物体检测领域中最受欢迎的衡量标准之一的交并比（IoU），提出了一种广义的 IoU（GIoU）作为新的回归损失和度量方式，并将其应用于现有的物体检测框架中，在 PASCAL VOC 和 MS COCO 等常见的物体检测基准测试中取得了一致的性能提升。

    Feb, 2019

  • 一种系统的 IoU 相关方法：超越简单回归以获得更好的定位

    提出一种基于 extended IoU 并采用 convexification 和 steady optimization 技术的新型损失函数方法，用于提高物体检测中的定位精度，并在 Faster R-CNN with ResNet50+FPN 中实现了显著的 mAP 提高，同时计算和推断的成本几乎没有增加。

    Dec, 2021

  • Boundary IoU：改进基于物体的图像分割评估

    提出了一种新的细分评估标准 Boundary IoU，能更好地度量细节的效果，提出了新的评估指标 Boundary AP 和 Boundary PQ，并且通过实验证明了其优于常用的 Mask IoU-based evaluation metrics。

    Mar, 2021

  • 基于健壮相似性度量的多船追踪

    通过将 TIoU 指标纳入现有的多对象跟踪框架，如 DeepSort 和 ByteTrack，我们持续提升了这些框架的跟踪性能。

    Oct, 2023

  • 场景文本检测中的紧密性感知评估协议

    本文提出了一种新的评估协议，称为紧密感知交集联合（TIoU）度量，旨在解决现有度量的一些明显缺陷，并提供了一种简单有效的解决方案来同时识别文本线和单词检测，并通过实验表明他们的方法更紧密、更有利于识别，代码公开在此 https URL。

    Mar, 2019

  • 通过一致改进比率相结合的评估指标，及其在聚类任务中的应用

    本文介绍了一种名为 Unanimous Improvement Ratio（UIR）的度量方法，它不仅补充了标准指标组合方法的不足，还可以评估指标之间的交互作用，本文还通过实验验证了该方法的有效性，并将其作为精度和召回率之间权衡的一种预测器。

    Jan, 2014

  • AUPIMO：利用高速和低容忍度重新定义视觉异常检测基准

    最近在视觉异常检测研究中取得的进展看到在公共基准数据集 (MVTec 和 VisA) 上的 AUROC 和 AUPRO 得分收敛于完美的召回率，给人一种这些基准已经接近解决的印象。然而，高 AUROC 和 AUPRO 得分并不总能反映出定性性能，这限制了这些度量在实际应用中的有效性。我们认为，由于缺乏适当的评估度量所带来的人为限制制约了该领域的进展，并且有必要重新审视用于评估算法的评估度量。为此，我们引入了 Per-IMage Overlap (PIMO)，一种新颖的度量方法，解决了 AUROC 和 AUPRO 的不足之处。PIMO 保留了现有度量的基于召回率的特性，但引入了两个区别：曲线 (以及相应的曲线下面积) 的分配是以图像为单位的，而其 X 轴仅依赖于正常图像。通过每幅图像测量召回率，简化了实例分数索引并对噪声注释更加健壮。正如我们所展示的，它还加速了计算并使我们能够使用统计测试来比较模型。通过对正常图像施加低的误报容忍度，PIMO 提供了一个增强的模型验证过程，并突显了跨数据集的性能变化。我们的实验证明，PIMO 提供了实际的优势和细致的性能见解，重新定义了异常检测基准，特别是挑战了现代模型解决了 MVTec AD 和 VisA 数据集的看法。

    Jan, 2024

  • 单阶段三维物体检测中基于 IoU 的优化的再思考

    本文提出一种新的旋转解耦 IoU (RDIoU) 方法，通过将旋转变量作为独立项来简化回归参数的复杂交互，并在回归和分类分支中应用 RDIoU，从而可以提高单级 3D 目标检测的准确性和稳定性，并在 KITTI 和 Waymo 开放数据集的广泛实验中验证，此方法可以带来相当大的改进。

    Jul, 2022

  • 伪交并比：改进基于锚点无监督目标检测中标签分配

    本研究提出了 Pseudo-Intersection-over-Union (Pseudo-IoU) 指标，通过将其融入端到端单级别无锚点物体检测框架，可以实现更加标准化和准确的规则分配，从而提高 PASCAL VOC 和 MSCOCO 等常规物体检测基准测试的性能。

    Apr, 2021

  • 重新思考小目标检测在少样本环境中的交并比

    在少样本目标检测领域中，使用 SIoU 作为评估标准可以构建更加用户导向的模型，在小物体检测方面表现优秀，并在 DOTA 和 DIOR 数据集上实现了新的少样本目标检测的最优结果。

    Jul, 2023