Mar, 2024

AO-DETR：针对 X 射线禁止物品检测的反重叠 DETR

PDF
TL;DR禁止项目检测中 X 射线图像的抗重叠 DETR（AO-DETR）是一种基于 DINO 的最新一代目标检测器之一，通过采用类特定一对一分配策略和前向稠密方案解决了重叠现象带来的特征耦合和边缘模糊问题，并在 PIXray 和 OPIXray 数据集上的实验证明了其在禁止项目检测领域的潜在应用。
prohibited item detectionx-ray imagesanti-overlapping detrdinosecurity inspection
发现论文，激发创造
  • AO2-DETR：任意方向物体检测变形器

    文章提出了一种基于 Transformer 的 AOOD 框架，称为 AO2-DETR，包括三个组件：旋转提案生成机制、适应性旋转提案细化模块和旋转感知的集合匹配损失，使得直接集合预测任务更加简化、准确。在多个数据集上的实验证明该方法在 AOOD 任务上具有卓越的性能。

    May, 2022

  • 医学物体检测中的检测变形器的应用

    本研究探讨了使用 DEtection TRansformer（DETR）检测医学成像中可疑区域的可行性，研究表明这种方法能够与甚至优于当前方法进行匹配，且无需依赖锚点或手动启发式设计等方式来检测对象。

    Jun, 2023

  • 基于 Transformer 的目标检测

    本文提出基于 Transformer 的新方法 O²DETR，实现了复杂的有方向物体检测，无需旋转锚点，其性能表现明显优于 Faster R-CNN 和 RetinaNet。

    Jun, 2021

  • 高质量物体检测的 Rank-DETR

    引入一种基于等级的 DETR 目标检测器 Rank-DETR，通过一系列等级化设计，包括等级化架构设计和损失函数设计，提高了准确性和定位精度，并成功应用于最新的 SOTA 方法，展示了其有效性。

    Oct, 2023

  • 遮挡物品检测：X 射线安全检测基准和去遮挡注意力模块

    该研究旨在解决 X 射线图像中物品严重遮挡导致安检表现不佳的问题，提出了 OPIXray 数据集和基于 De-occlusion Attention Module（DOAM）的检测器插件，DOAM 利用物品颜色和纹理信息生成的注意力图帮助改善检测器的特征图，在三种遮挡下，DOAM 显著提高了 SSD，FCOS 等检测方法的性能。

    Apr, 2020

  • 基于微调 CLIP 的开放词汇 X 射线禁物检测

    引入 X 射线特征适配器和开放词汇目标检测任务，通过对特定 X 射线领域中的 CLIP 进行扩展，开展 X 射线安全检查领域的开放集 X 射线禁止物品检测，以检测训练基准类别之外的新禁止物品类别。

    Jun, 2024

  • 朝向真实世界的禁止物品检测：一项大规模 X 光线基准

    使用计算机视觉技术进行自动安全检查是真实世界场景中的一项具有挑战性的任务，作者通过合成出一个大规模数据集 PIDray，采用选择性密集注意力网络 (SDANet) 进行目标检测，包括故意隐藏的物品，相比现有模型取得了更好的检测效果。

    Aug, 2021

  • Semi-DETR: 基于检测 Transformer 的半监督目标检测

    我们提出了 Semi-DETR，一个基于 transformer 的端到端半监督物体检测器，通过阶段混合匹配策略、跨视图查询一致性方法和基于代价的伪标签挖掘模块解决 DETR 中存在的问题，并在 COCO 和 Pascal VOC 基准数据集上的所有 SSOD 设置中进行的实验表明，我们的方法优于所有现有方法。

    Jul, 2023

  • DETR 在实时目标检测中击败了 YOLO

    本文提出了第一款实时端到端物体检测器 ——Real-Time DEtection TRansformer（RT-DETR），支持灵活调整推理速度且在速度和准确度上均优于同一规模的 YOLO 检测器以及 DINO-Deformable-DETR-R50 模型，采用了高效的混合编码器处理多尺度特征并提出 IoU 感知的查询选择。

    Apr, 2023

  • 使用 Transformer 进行端到端的目标检测

    该研究提出了一种新方法，将目标检测作为直接集合预测问题进行处理，主要采用基于集合的全局损失和 Transformer 编码器 - 解码器架构构建 DETR 模型，能够高效地完成目标检测和全景分割任务，相较于许多现代检测器，DETR 模型概念简单且不需要专门的库。

    May, 2020