Aug, 2023

物体检测的语义信息

PDF
TL;DR我们展示了在复杂交通场景中将语义一致性的概念和知识感知的重新优化方法应用于目标检测问题。此外，我们介绍了一种从具有实例级注释的图像数据集中提取知识图谱的新方法，并将该知识图谱与现有的语义一致性模型集成。将这种新型混合知识图谱和频率分析和外部知识图谱作为语义信息的源与 Faster-RCNN 和 DETR 目标检测模型的现有方法结合，我们研究了知识感知的重新优化对所研究的模型和方法的效果。我们发现，在所有模型和方法的组合中，使用这种方法可以实现有限但一致的准确性和 / 或召回率的提升。
发现论文，激发创造
  • 大规模半监督目标检测的视觉和语义知识迁移

    基于深度卷积神经网络的物体检测系统在许多大规模物体检测基准测试中取得了显着成就，然而，这需要大量的标注边界框来进行训练。本文通过将图像级别分类器转化为物体检测器解决了此问题，并利用来自视觉和语义领域的物体相似性知识，在将分类器转换为没有边界框注释的类别时转移此信息。实验结果表明，我们提出的基于物体相似性的知识转移方法在半监督设置下实现了最先进的检测性能。

    Jan, 2018

  • 语义拓扑中的对象

    本研究提供一个统一的视角：语义拓扑，该限制为开放式对象检测器建立了具有辨别特征表示和一致关系的物体分类，使其能够区分已知和未知对象，并且在增量学习时保持已知对象特征的准确性。实验证明，语义拓扑可以显著超过当前最先进的开放式对象检测器，在绝对开放集误差方面从 7832 降至 2546，展示了语义拓扑在开放式对象检测中的内在优越性。

    Oct, 2021

  • 用于三维物体检测的视觉 - 惯性 - 语义场景表示

    本文介绍了一种使用视频和惯性传感器（加速度计和陀螺仪）在三维空间中检测物体的系统，采用先验的方法进行物体的识别和定位，利用卷积神经网络近似其可能性函数，能够实时处理视频并提供持久性的物体表示

    Jun, 2016

  • 重新审视知识转移在训练对象分类器中的作用

    本文提出了一种基于知识迁移的新型目标检测算法，基于训练一个单一的多类目标检测器，可以实现在语义层次结构中的所有源类上训练。该技术可以应用于多个数据集，并且在 ILSVRC 2013 检测数据集上已经成功实现了目标检测领域的业界新纪录。

    Aug, 2017

  • 基於知識轉移的少樣本物體檢測

    本文提出了一种基于少量样本和元学习的物体检测方法，使用原型知识转移和基于图的显式先验知识，验证了该方法在 PASCAL VOC 数据集上的有效性。

    Aug, 2020

  • 用于精简物体检测器的深度结构化实例图

    提出一种用于目标检测任务的知识蒸馏方法，通过设计图形化的知识结构来捕捉局部和全局信息，通过平衡节点和边的关系来进一步优化图形，并在 COCO 数据集上获得了最新的 state-of-the-art 结果。

    Sep, 2021

  • Complexer-YOLO：基于语义点云的实时 3D 目标检测和跟踪

    本文提出了一种融合神经网络、视觉语义分割、在自主驾驶场景下的 3D 目标检测方法，引入了一种名为 SRTs 的快速评估指标，并采用状态优化的多目标特征跟踪机制，实现了高精度和实时性的平衡，并在 KITTI 基准测试中验证了方法的有效性。同时，该方法首次将视觉语义与 3D 目标检测相融合。

    Apr, 2019

  • 基于常识知识辅助的资源受限和细粒度目标检测的深度学习

    本文介绍了一种在边缘计算等资源受限情况下的细粒度图像目标检测方法，采用共识知识推理模块辅助轻量级粗粒度目标检测器获得准确的细粒度检测结果，并在多个现代深度学习检测器上进行实验验证。

    Mar, 2023

  • 基于语义关系推理的稳定少样本目标检测

    通过引入显式关系推理和语义嵌入，利用少量数据探测新颖物体的性能较稳定且鲁棒，相比于显式和隐式样本较少时可以取得明显更好的结果。

    Mar, 2021

  • ConsistencyDet: 具有一致性模型去噪范式的稳健物体检测器

    通过利用一种自洽模型的创新去噪概念，我们引入了一个被称为 ConsistencyDet 的新框架，用以将目标检测作为一个去噪扩散过程来表述。在训练阶段中，ConsistencyDet 使用从地面实况注释衍生的噪声注入框开始扩散序列，并调节模型执行去噪任务。综合评估表明，ConsistencyDet 在性能指标方面超越了其他领先的检测器。

    Apr, 2024