Aug, 2022

多个领域实时物体检测网络的综合研究：调查

PDF
TL;DR通过在多个实时检测器及数据集上进行综合研究，本研究对图像大小、置信阈值、架构层数等多种变量的影响进行了分析，研究了检测网络在分布偏移、自然破坏和对抗攻击等方面的鲁棒性，并提出了对 HTTP/3 实现的区分服务（DiffServ）传输的改进。
deep neural networkobject detectionreal-time detectorsbenchmarkrobustness
发现论文，激发创造
  • 联合锚点特征优化：用于图像和视频实时准确物体检测

    本研究提出了一种基于双重细化机制的目标检测方法，在静态和时间景观中能够快速准确地检测对象。通过使用新型 anchor-offset 检测和双重细化网络（DRNet），TRNet 和 TDRNet，实现了对静态和时间目标的高性能检测，并应用于水下目标检测和抓取的自主系统中。

    Jul, 2018

  • 实时嵌入式对象检测基准测试框架

    本文提出了一种基于 MQTT 协议的轻量级接口框架，可用于测量目标检测性能、运行时间和能量效率，特别适用于限制硬件上的视频流应用，为优化 DNNs 提供深入的见解。

    Apr, 2023

  • ThunderNet：面向实时通用物体检测

    本研究针对移动平台上实时通用物体检测这一计算机视觉任务存在的计算成本巨大的问题，调查了两阶段检测器在实时检测方面的有效性，并提出了一个名为 ThunderNet 的轻量级两阶段检测器，相对于单阶段检测器，仅使用了 40％的计算且取得了优越的性能，在 ARM 平台上实现了 24.1fps 的实时检测。

    Mar, 2019

  • 基于深度学习的目标检测综述

    本调查研究了物体检测领域的主要发展现状以及现有典型检测模型的方法和评估数据集，分别分析了一阶段和二阶段检测器的综合概述，并总结了物体检测的传统和新型应用，最后就利用这些物体检测方法构建高效系统的应用建议和发展趋势进行了探讨。

    Jul, 2019

  • 使用深度学习进行 X 射线图像中非法物品的视觉检查

    自动检测 X 射线图像中的违禁物品可以显著增加公共安全，提高机场、地铁、海关 / 邮局等地的安全人员的工作效率，并减轻其心理负担。研究表明，变压器检测器优越于过去几年为安全应用开发的辅助神经模块和 CSP-DarkNet 骨干卷积神经网络十分高效。

    Oct, 2023

  • 实时物体检测模型的复制研究和基准测试

    本研究旨在检验实时目标检测模型的可重复性和基准测试。通过比较大量的目标检测模型在多个显卡上的精度和推理速度，我们还重现了 DETR、RTMDet、ViTDet 和 YOLOv7 等模型，并提出了一个统一的训练和评估流程，以更好地比较模型。然而，我们发现某些模型在准确性和速度上无法达到原始论文所述性能，而 RTMDet 和 YOLOv7 可以匹配这些性能。总的来说，结果显示准确性和速度之间存在着明显的权衡，其中以无锚点模型（尤其是 RTMDet 或 YOLOx 模型）为主。

    May, 2024

  • 面向实时物体检测的训练时友好的网络

    本论文提出了一种名为 TTFNet 的训练时间友好型网络，可在保持具有状态 - of-the-art 性能的情况下，将训练时间缩短七倍以上，并且可以快速进行目标检测，方法是使用高斯核对训练样本进行编码，以实现在训练时间，推理速度和准确性之间的平衡。

    Sep, 2019

  • 面向运行时优化的边缘人工智能设备深度神经网络目标检测部署

    研究了两种不同的物体检测网络在嵌入式 AI 平台中的部署和运行环境，针对 TensorRT 和 TorchScript 两个库进行了 Runtime 和性能方面的对比分析，结果表明量化技术显著提高了部署效率而对检测性能的影响较小。

    Aug, 2021

  • 遥感图像分类和目标检测的鲁棒性综合研究：调查和基准评估

    该研究是对遥感影像分类和物体检测模型的鲁棒性进行综合研究和基准评估，并提供了数据集资源，通过对不同分类器和探测器的严格评估，找到了关于敌对噪声制备和模型训练的深入认识，并为开发更具弹性和鲁棒性的模型提供指导。

    Jun, 2023

  • DynamicDet: 一种用于物体检测的统一动态架构

    本文提出了一种名为 DynamicDet 的动态框架，该框架基于对象检测任务的本质，设计了一种动态架构，并提出了一种自适应路由来分析多尺度信息并自动决定推理路线，然后提出了一种新的基于检测损失的优化策略，最后提出了一种可变速推理策略，该策略可以实现广泛的准确度和速度之间的权衡，实验结果表明，DynamicDet 实现了新的最新的准确度 - 速度权衡。

    Apr, 2023