Mar, 2024

领域自适应无人机检测：基准和噪声抑制网络

PDF
TL;DR通过提供包括模拟图像和真实图像的多种场景、多种微型飞行器类型和多种视角的多微型飞行器多领域 (M3D) 数据集，在众多领域上提出了一个新的基准，通过基于伪标签的框架和一个由大到小的训练过程提出了一个噪声抑制网络 (NSN)。通过大量的实验结果验证了所提出方法在各项任务中的优越性能评估。
micro air vehiclescross-domainmulti-mav-multi-domain datasetnoise suppression networkperformance evaluation
发现论文，激发创造
  • 基于外观和运动的挑战性条件下的全球局部微型飞行器检测

    全球局部微型空中获得器以独特方式结合了运动和外观特征，提高了微型空中车辆（MAV）的检测准确性，并在具有挑战性的条件下实现了高效的检测。

    Dec, 2023

  • MAVNet：面向 MAV 任务的有效语义分割微型网络

    本研究提出了一个小型、轻量级的深度神经网络 MAVNet，用于实时语义分割图像，可用于空中监视和检查任务，并提出了两个新颖的数据集来验证算法，并实现了离线和在线实验。

    Apr, 2019

  • 领域自适应神经网络用于物体识别

    该研究提出了一个结合最大平均差异（Maximum Mean Discrepancy）的正则化项和去噪自编码器预训练的神经网络模型，以解决目标识别中的领域自适应问题，实验表明，该模型在源域和目标域之间建立的潜在空间显著降低了分布不匹配问题，并且在原始像素和 SURF 特征数据集上均比同类别基准模型表现更优秀。

    Sep, 2014

  • MS3D++: 多源无监督领域自适应的 3D 目标检测专家集合

    MS3D++ 是一个用于 3D 目标检测的自我训练框架，通过生成高质量的伪标签实现多源无监督域适应，改进了 3D 检测器在不同领域中的泛化能力，并在 Bird's Eye View（BEV）评估中，使用 MS3D++ 伪标签训练的检测器在低密度和高密度 lidar 的性能上达到了与人工标注标签相媲美的最新水平。

    Aug, 2023

  • M&M3D: 多数据集训练和高效网络用于多视角 3D 目标检测

    提出了一种使用相机数据和鸟瞰图的多视角三维物体检测的网络结构，通过域适应和可视数据传输解决了当前的关键挑战。

    Nov, 2023

  • 多层次一致性无监督领域自适应三维检测

    利用 MLC-Net 框架中的教师 - 学生范式生成自适应和可靠的伪目标，实现深度学习在 3D 物体检测领域可快速交叉域匹配。

    Jul, 2021

  • 多层域自适应学习用于跨领域检测

    提出了一种多级域自适应模型，通过同时对本地级别特征和全局级别特征分布进行对齐，以解决交叉域目标检测中现有方法对局部特征分布不能有效匹配的问题，并在多种实验中验证了其效果。

    Jul, 2019

  • 领域变化下的工业异常检测：一个真实世界的数据集和遮盖多尺度重构

    本文提出了 AeBAD 工业异常检测数据集，探讨了当前最优算法在检测测试集中正常样本的领域移位问题，并提出了一种名为 MMR 的新方法，通过遮蔽重构任务增强模型对正常样本中补丁之间因果关系的推断能力。该方法在 AeBAD 数据集上表现出优秀的性能。

    Apr, 2023

  • 基于注意力原型的无源迁移学习 3D 物体检测

    本研究提出一种应用于基于激光雷达的 3D 物体检测器的无源自适应方法，该方法使用班级原型来缓解误标签噪声的影响，利用转换器模块识别对应于错误、过于自信的注释的离群 ROI，通过自学习的过程，降低伪标签的损失并提高性能。

    Nov, 2021

  • 多视角航拍视觉识别（MAVREC）：多视角能否提升航拍视觉感知？

    该研究介绍了一种名为 MAVREC 的用于航拍识别的视频数据集，通过对地面摄像机和无人机摄像机的同步场景记录，以及包含标注边界框的图像，实现了航拍识别的超越性预训练策略。

    Dec, 2023