ECCVSep, 2022

使用边际熵损失实时识别安全关键 2D 对象检测中的异常样本

PDF
TL;DR本篇论文探讨使用卷积神经网络（CNN）的视觉感知技术中，如何利用平衡熵（ME）误差来实现 2D 物体检测中的 Out-of-Distribution 检测。 该方法易于实现，并可应用于大多数现有的物体检测架构，同时介绍了分离度作为检测 OOD 样本的度量标准。 同时，本文发现用 ME 损失训练的 CNN 在 OOD 检测方面明显优于使用标准置信分数的检测，并且底层物体检测框架的运行时间仍保持不变，从而使 ME 损失成为启用 OOD 检测的强大工具。
convolutional neural networksvision-based perceptionout-of-distribution detectionobject detectionmargin entropy loss
发现论文，激发创造
  • 基于最近邻的高效自然语言处理任务不确定性估计

    深度神经网络中的可信预测对于现实世界中的安全关键应用至关重要。本研究提出了 $k$ 最近邻不确定性估计方法，通过邻居之间的距离和邻居的标签存在比例来提高置信度和预测效果，并在情感分析、自然语言推理和命名实体识别方面表现出色。

    Jul, 2024

  • 用于高效少样本个性化目标检测的跨架构辅助特征空间转换

    我们设计了一种称为 AuXFT 的少样本 IPOD 策略，通过引入一种条件粗粒度到细粒度的少样本学习器，改善了现有的对象检测器的个性化效果，同时通过 Translator 模块生成辅助特征空间，实现了个性化而不降低检测器的性能。我们在三个公开数据集和一个自行设计的 IPOD 基准测试集上验证了 AuXFT，在所有考虑的情境中都取得了显著的增益，实现了极佳的时间复杂度和性能的权衡：AuXFT 在仅占推理时间的 32％、VRAM 的 13％和模型尺寸的 19％的情况下达到其上限的 80％性能。

    Jul, 2024

  • xLSTM-UNet 可作为一个有效的 2D 和 3D 医学图像分割骨干，其 Vision-LSTM (ViL) 相较于其 Mamba 对应物更佳

    提出了 xLSTM-UNet，这是一种基于 Convolutional Neural Networks 和 Vision Transformers 的深度学习神经网络，用于解决生物医学图像分割中的长距离依赖性问题，并通过实验证实了其在多个数据集中超越了其他基于 CNN、Transformer 和 Mamba 的分割网络，表明了 xLSTM-UNet 在 2D 和 3D 生物医学图像分析中的潜力。

    Jul, 2024

  • 对象检测的形式验证

    利用形式验证来确保计算机视觉模型的安全性，针对图像分类进行了拓展，提出一种一般性的方案来证明物体检测模型的鲁棒性，并提供了与最先进的验证工具兼容的实现策略。

    Jul, 2024

  • DroBoost: 一种智能评分和模型增强方法用于无人机检测

    无人机检测是一项具有挑战性的物体检测任务，其可见性条件和图像质量可能不利，由于复杂背景、小的可见物体和难以区分的物体而使检测变得困难。该研究提出了一种基于 YOLOv5 的无人机检测方法，利用实际和合成数据以及基于卡尔曼滤波的追踪器跟踪检测并增加其置信度，同时通过结合多种改进策略来提高检测性能。该技术在无人机与鸟类对抗竞赛中获得了第一名。

    Jun, 2024

  • 提高行人安全性的雪天检测图像分类

    本研究利用计算机视觉方法，在人行道和路面上检测积雪，以减少冬季相关的跌倒伤害，特别是对于老年人和视障人士。该研究采用经过精细调整的 VGG-19 和 ResNet50 卷积神经网络，重点是在这些图像中识别积雪的存在。研究使用包含 98 个图像的数据集，均匀分为积雪和无积雪条件，采用 F1 得分和准确性度量标准对其进行评估。本研究通过采用经过精细调整的卷积神经网络架构，有效地从智能手机拍摄的图像中检测到路面上的积雪，建立在现有研究的基础上。该方法结合了迁移学习和模型集成技术，综合了 VGG19 和 ResNet50 架构的最佳预测结果。这项研究展示了计算机视觉在应对冬季相关危害中对弱势群体的潜力，并取得了 81.8% 和 81.7% 的准确性和 F1 得分。

    Jun, 2024

  • 全可逆双曲神经网络用于大规模表面和亚表面数据分割

    地学和遥感数据的大规模时空 / 频率尺度导致使用卷积神经网络进行（次表面）数据分割时会出现内存问题。这项研究关注基于电报方程的全可逆网络，通过与以压缩形式直接包含卷积核的层相结合，解决了卷积核数量激增的问题。此外，我们展示了如何以非标准的方式利用可逆网络，在高光谱土地利用分类、空中地球物理勘测和地震成像等领域使用大数据量进行处理，而无需分块处理、降维或类似方法。

    Jun, 2024

  • 基于 Transformer 的图像和视频修复：当前挑战与未来方向

    本文综述了当前图像或视频修复方法，特别关注基于 Transformer 的技术，旨在突出显著改进的方法，为图像或视频修复领域的新研究者提供指南，并通过其架构配置、损伤类型和性能指标对基于 Transformer 的技术进行分类。另外，我们提出了当前挑战的整理综合，以及对图像或视频修复领域未来研究的建议。

    Jun, 2024

  • 对 CT 图像退化进行的黑盒模型鲁棒性测试：基于测试时增强的方法

    通过模型架构和数据预处理对多个常用分割和目标检测方法在模拟 CT 成像伪影和退化情况下的鲁棒性进行了测试，并考虑了通过模拟扫描仪老化或成像协议变化引起的图像质量的未来变化对深度学习模型的临床应用的可持续性的影响。

    Jun, 2024

  • 加权圆形融合：来自不同目标检测结果的圆形表示集成

    我们提出了一种称为加权圆融合（Weighted Circle Fusion，WCF）的简单方法，用于合并来自不同圆检测模型的预测。该方法利用每个建议的边界圆关联的置信分数生成平均圆，在医学图像中改进了目标检测的精度，并显著减少了误检，为病理图像分析领域的未来研究和应用提供了有希望的方向。

    Jun, 2024