Jul, 2022

You Actually Look Twice At it (YALTAi): 在 Kraken 引擎内使用目标检测方法代替区域分割

PDF
TL;DR我们提出了使用等面矩形进行对象检测的方法，以替换基于像素分类的多边形化，从而更有效地完成光学字符识别中的版面分析任务。对历史文献进行测试时，使用 YOLOv5 的结果比 Kraken 更为优秀。我们提供了两个历史文献训练和评估数据集，并发布了一个新软件包，YALTAi，它将 YOLOv5 注入到 Kraken 4.1 的分割流程中。
layout analysisoptical character recognitionpolygonizationobject detectionhistorical documents
发现论文，激发创造
  • 快速多尺度卫星图像物体检测：你只需要看两次

    使用 You Only Look Twice (YOLT) 管道，通过深度学习技术，在相对较少的训练数据和多个传感器上快速、有效地检测任意尺寸的目标，包括小于 10 个像素。

    May, 2018

  • 使用 YOLOv5 布局检测揭示文档结构

    本研究使用 YOLOv5 模型来快速识别文档布局并提取非结构化数据，为解决处理非结构化数据的问题建立了概念框架并展示了其显著的性能，从而提高了数据提取的效率。

    Sep, 2023

  • YOLC: 仅聚焦天空图像中微小物体检测的方法

    通过建立在 CenterNet 上的高效和有效的框架 YOLC，我们引入了局部尺度模块（LSM）来解决处理大规模图像和非均匀目标分布时的挑战，通过使用高斯 Wasserstein 距离（GWD）修改回归损失以获得高质量边界框，并在检测头部使用可变形卷积和改进方法来增强对小目标的检测。我们在 Visdrone2019 和 UAVDT 等两个航拍图像数据集上进行了大量实验，证明了我们提出的方法的有效性和优越性。

    Apr, 2024

  • 再看一眼：朝着更紧密的任意形状文本检测

    提出了一种基于深度学习的两阶段文本检测器 NASK，采用实例分割技术，通过 GSCA 模块、RoI Pooling 和 FOX 模块，能够更精确地定位和还原任意形状、不同大小、存在转角的文本，并在公共基准测试数据集上取得了最先进的结果。

    Apr, 2020

  • You Only Look Once: 统一、实时目标检测

    YOLO 是一种新的目标检测方法，使用单个神经网络从完整图像中直接预测边界框和类别概率，具有实时处理速度、误检低和物体的通用表示等优势。

    Jun, 2015

  • YOLO-TLA：基于 YOLOv5 的高效轻量级小物体检测模型

    我们在本文中提出了 YOLO-TLA，这是一种基于 YOLOv5 的先进物体检测模型，通过在颈部网络金字塔架构中引入一个额外的检测层来检测小对象，从而提供一个更大尺度的特征图以辨别小对象的更细致特征，并将 C3CrossCovn 模块集成到骨干网络中，有效地减少计算需求和参数数量，使模型更加紧凑

    Feb, 2024

  • 利用航空 LiDAR 图像分割揭示古代玛雅定居点

    利用深度学习的最新进展，本文展示了如何利用 YOLOv8 神经网络来准确地分割航空 LiDAR 图像中的考古结构，通过对原始 LiDAR 数据的新型预处理和数据增强方法来训练 YOLOv8 网络，提高了平台和环状结构的分割的准确度、精度和召回率，优于现有方法，该方法自动化了耗时的 LiDAR 图像标注，显著加速了对历史景观的准确分析。

    Mar, 2024

  • 从模糊到清晰的检测：基于 YOLOv5 的航空目标检测与超分辨率

    通过结合超分辨率和经过修改的轻量级 YOLOv5 架构，我们提出了一种创新的方法，用于在航空影像中准确检测小型密集目标，并通过一系列数据集的评估，证明该模型在高密度遮挡条件下能够实现更好的检测结果，从而为航空影像中的目标检测领域带来显著进展。

    Jan, 2024

  • 基于 You Look Only Once (YOLO) 算法的农业目标检测：一项文献计量和系统文献综述

    视觉在农业中发挥着重要作用，研究和应用 You Look Only Once (YOLO) 在农业领域的物体识别能够实现实时监测、自动化监视和物体处理，减少劳动力、生产成本和环境影响，同时最大限度地提高资源效率。

    Jan, 2024

  • Open-YOLO 3D：面向快速准确的开放词汇的 3D 实例分割

    我们提出了一种名为 Open-YOLO 3D 的快速而准确的开放词汇 3D 实例分割方法，在多视角 RGB 图像中有效利用仅 2D 对象检测进行开放词汇 3D 实例分割，并通过生成类无关的 3D 掩码并与文本提示相关联来处理此任务。我们的 Open-YOLO 3D 在两个基准测试集 ScanNet200 和 Replica 上实现了最先进的性能，在与文献中最佳方法相比速度提高了多达 16 倍。

    Jun, 2024