Jun, 2023

CVPR VISION 23 挑战赛轨道 1 的亚军解决方案 -- 高效缺陷检测

PDF
TL;DR本研究介绍了 Aoi-overfifitting-Team 团队解决 Data-Efficient Defect Detection 的技术细节，基于 Hybrid Task Cascade 实例分割算法，借助 CBNetv2 强化基线结果，并提出了两种模型集成方法和多尺度训练及测试时间扩充技术，最终在测试集上实现超过 48.49% 的平均 [email protected]:0.95 和 66.71% 的平均 [email protected]:0.95。
data-efficient defect detectioninstance segmentationtransformer backbonemodel ensembletest-time augmentation
发现论文，激发创造
  • 通过位置感知的复制粘贴数据增强实现遮挡下的实例分割

    采用鲁棒的数据增强技术和深度学习架构，通过提出一种新的数据增强技术、采用混合任务级联（HTC）框架和 CBNetV2 作为骨干架构以及引入 Stochastic Weight Averaging（SWA）训练策略，该论文在篮球场景中分割人体主体方面取得了显著的遮挡得分（OM）。

    Oct, 2023

  • 非层次化变压器用于行人分割

    我们提出了一种解决自主系统中实例分割挑战的方法，特别针对可访问性和包容性。我们的方法利用非层次化的 Vision Transformer 变种 EVA-02，结合级联 Mask R-CNN 掩码头部。通过在 AVA 实例分割挑战数据集上进行微调，我们在测试集上实现了 52.68％的有希望的平均精度（mAP）。我们的结果证明了 ViT-based 架构在增强视觉能力和满足残障人士的独特需求方面的有效性。

    Jul, 2023

  • 第 5 届 LSVOS 挑战赛冠军解决方案：视频实例分割

    视频实例分割方法 DVIS 在训练过程中引入了去噪策略以实现在复杂和长视频中更稳定准确的目标跟踪，并利用 DINO v2 预训练的冻结的 VIT-L 模型探索了视觉基础模型在视频实例分割中的作用，最终在第 5 届 LSVOS 挑战赛中获得了第一名，其在开发和测试阶段分别达到了 57.9 AP 和 56.0 AP。

    Aug, 2023

  • 混合任务级联用于实例分割

    提出了一种全新的混合任务级联（Hybrid Task Cascade，HTC）框架，基于实例分割级联的相互关系，在多个级别上逐步地学习可区分的特征并将互补特征整合在一起。相较于强基线，该方法在 MSCOCO 数据集上取得了 38.4 和 1.5 的提升，并在 COCO 2018 挑战目标检测任务中名列第一。

    Jan, 2019

  • 基于任务的复制粘贴数据增强方法用于实例分割 - ICCV 2021 VIPriors 研讨会实例分割挑战赛技术报告

    通过使用特定于任务的 Copy-Paste 数据增广方法以及其他数据增广技术和多尺度训练，我们在 VIPriors 挑战的实例分割任务上取得了良好的性能。

    Oct, 2021

  • MMSports 挑战赛强实例分割流水线

    设计一种强的实例分割管道来处理篮球场上单个人物（包括球员、教练和裁判员）的分割任务，运用数据增强技术、强的分割模型和 SWA 训练策略，在 DeepSportRadar 挑战中取得了有竞争力的结果。

    Sep, 2022

  • 基于少量数据学习的表面缺陷检测人机知识混合增强方法

    本文提出了一种人机知识混合增强方法，用于从头开始积累少量数据，并将其作为先验知识提供给模型进行少数据学习，进而在工业缺陷检测中取得了可行性和有效性的进展。

    Apr, 2023

  • OpenImage2019 目标检测和实例分割比赛冠军解决方案

    本文介绍了两个冠军团队在 OpenImage Challenge 2019 中的解决方案。我们基于对分类和回归问题进行特征提取的实践，提出了 Decoupling Head (DH) 技术，在目标分类和定位问题中取得了巨大的性能提升。此外，我们还对 soft-NMS 算法进行了调整，提出了一种 ensemble strategy 来控制识别结果的准确性，最终我们在比赛中获得了第 1 名，并在实例级语义分割方面取得了优异的表现。

    Mar, 2020

  • 通过缺陷感知特征操作实现少样本缺陷图像生成

    提出一种用于数据增强的缺陷图像生成方法，包含两个训练阶段，第一个阶段使用无缺陷图像训练数据高效的 StyleGAN2 模型，第二个阶段添加缺陷模块，通过有限的缺陷图像训练以实现生成逼真且多样化的缺陷图像的目标。

    Mar, 2023

  • CVPR2022 AVA 辅助视觉与自主性挑战赛第三名解决方案

    本文介绍了我们参与 CVPR2022 AVA 挑战赛的技术细节，包括数据增强和模型选择、训练策略、和整合不同分割框架等方面，实验结果表明我们的方法在 AVA 测试集上取得了显著的效果。

    Jun, 2022