Aug, 2023

关于航空图像中目标检测模型的鲁棒性

PDF
TL;DR在本文中，我们针对受云层影响的航拍图像，提出了两个基于 DOTA-v1.0 的新型基准测试。通过对主流目标检测模型的系统评估和大量剖析实验，我们发现增强模型架构、更大的网络、精心设计的模块以及谨慎的数据增强策略可以共同提高航拍目标检测模型的稳健性。我们提出的基准测试和全面的实验分析有助于促进航拍图像中稳健目标检测的研究。
object detection modelsrobustnessaerial imagescloud-corrupted imagesbenchmark
发现论文，激发创造
  • 增强和评估空对空视觉目标检测中的常见破坏

    通过研究环境和硬件条件引起的数据损坏对基于视觉的深度学习飞机检测和跟踪的影响，本文设计了七种常见的损坏类型，并构建了名为 AOT-C 的第一个用于飞行物体探测的健壮性基准数据集。基于实验评估结果，研究发现：YOLO 家族的一阶段检测器表现出更好的健壮性，而基于 Transformer 和多阶段的检测器（如 Faster R-CNN）对损坏非常敏感。此外，通过在合成数据上进行微调，可以改善目标检测器在真实飞行实验中的泛化能力。

    May, 2024

  • 自动驾驶中三维物体检测对常见破坏的鲁棒性基准测试

    本研究旨在设计公共数据集，并建立三种耐受性基准 (KITTI-C、nuScenes-C 和 Waymo-C) 来检验 27 种常见情况下的真实世界杂质对三维物体检测模型的鲁棒性，结果发现基于雷达与相机融合的模型具有更好的鲁棒性。

    Mar, 2023

  • 在目标检测中进行鲁棒性基准测试：自动驾驶应对冬日来临

    该论文提供了一个易于使用的基准来评估深度学习模型在图像质量下降的情况下完成目标检测的能力，并通过数据增强方法，即对训练图像进行艺术风格化处理，有效提高了模型鲁棒性。

    Jul, 2019

  • 计算机视觉模型对常见失真的鲁棒性：一项调查研究

    本文针对计算机视觉模型在实际应用中面临的常规污染问题进行了全面和系统的综述，介绍了不同类型的图像污染以及相关的评估指标和基准数据集，并对现有模型的基础污染鲁棒性进行了评估，以帮助选择适合特定计算机视觉任务的骨干网络。

    May, 2023

  • 航拍图像中的物体检测：大规模基准和挑战

    本研究介绍了一个大规模的 DOTA 数据集，包括从 11,268 个航拍图像中收集的 18 个分类的定向边界框注释的 1,793,658 个物体实例，并基于此构建了覆盖 70 多种配置的 10 种最新算法的基线，还提供了 ODAI 的代码库和用于评估不同算法的网站。

    Feb, 2021

  • 基于摄像机的 3D 物体检测的对抗鲁棒性

    该研究考察了基于相机的 3D 物体检测方法在不同对抗条件下的鲁棒性，并发现了提高鲁棒性的关键因素，包括准确的深度估计、鸟瞰图表示法、多帧输入等，为今后设计具有改进的鲁棒性的基于相机的物体检测模块提供指导。

    Jan, 2023

  • 针对常见污染物的 3D 点云识别鲁棒性基准测试

    本文提出了深度神经网络在 3D 点云数据上应用于安全关键领域，但对其鲁棒性的研究较少。作者提出了新的用于测试冲突鲁棒性的基准数据集，并给出了一种简单而有效的方法来降低现有模型在此数据集上的表现差距。作者通过实验发现了一些有关点云识别中鲁棒性的关键见解，例如在适当的训练下，基于 Transformer 的结构具有最强的鲁棒性。

    Jan, 2022

  • 对语义分割模型鲁棒性的基准测试

    本研究的目的是针对 DeepLabv3+ 模型在语义分割应用中的鲁棒性进行全面调查，研究结果显示性能与鲁棒性有很大关系，而有些架构属性则对鲁棒性产生了显著影响。

    Aug, 2019

  • 朝向对抗鲁棒目标检测

    本研究从模型鲁棒性的角度出发，对目标检测模型和对抗攻击进行了系统分析，提出了一种多任务学习的视角和不对称的任务损失，并进一步开发了一种基于多种攻击源提高检测模型鲁棒性的对抗训练方法，实验证明了其有效性。

    Jul, 2019

  • 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