CVPRJun, 2023

ScaleDet: 一种可扩展的多数据集对象检测器

PDF
TL;DR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。
multi-dataset trainingscaledetsemantic label spacevisual-textual alignmentobject detection in the wild
发现论文，激发创造
  • OmDet: 大规模视觉语言多数据集预训练的语言感知目标检测

    本文提出一种基于多模态预训练的语言条件检测框架，能够通过自然语言作为知识表示从不同的数据集中积累 “视觉词汇”，解决多数据集训练中的技术难题，并成功应用于超过 35 个目标检测任务，取得最新成果。

    Sep, 2022

  • BigDetection：用于改善目标检测预训练的大规模基准测试

    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。

    Mar, 2022

  • POD: 基于尺度敏感网络的实用目标检测

    提出了一种采用比例尺度敏感卷积神经网络的实用目标检测方法。通过平均特征来预测每个卷积滤波器的全局连续比例尺度，并通过通道来提取比例尺度。为了实现快速部署，将鲁棒性分数尺度转换为每个卷积滤波器的固定整数比例尺度组合，利用了膨胀卷积。在 COCO test-dev 上，该模型在 ResNet-101 的两个阶段探测器上分别实现了 41.5 和 42.1 的平均精度，并且无需额外的 FLOPS 即可超越基线模型。

    Sep, 2019

  • 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

  • 开放词汇物体检测的扩展

    本文提出了 OWL-ST 模型用于 scale up detection data in open-vocabulary object detection 问题中应用，大幅提升了模型性能，同时最终实现了 Web-scale training 的目的。

    Jun, 2023

  • SimpleDet: 一个简单且多功能的分布式目标检测和实例识别框架

    本文介绍了一个名为 SimpleDet 的高效开源物体检测框架，支持最新的检测模型和分布式训练，可在消费级硬件上大规模训练现代化的检测模型。

    Mar, 2019

  • 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

  • 多视角实例捕捉的高分辨率数据集

    实例检测是机器人学和计算机视觉中的一个长期存在的问题，本文介绍了一个新的实例检测数据集和协议，并比较了各种基线方法的性能。

    Oct, 2023

  • 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

  • 半监督目标检测的等比例蒸馏

    本文讨论了半监督物体检测中的若干问题，提出了一种新的知识蒸馏框架 —— 尺度等价蒸馏（Scale-Equivalent Distillation，SED），来解决大尺度差异和类别不平衡等问题，实验证明该方法可显著提升检测结果。

    Mar, 2022