Apr, 2024

事件检测每个对象

PDF
TL;DR针对类别未知的对象进行高速、类别无关的开放世界目标检测，我们提出了使用事件相机的 DEOE 方法，该方法在时空一致性的基础上，结合了快速事件感知的骨干网络和解耦的物体性质分类头，实现了对新对象的定位以及背景过滤的强大能力。实验证实了我们提出的 DEOE 方法相对于现有的 RGB-based CAOD 对象检测方法的卓越性能。
object detectionclass-agnostic object detectionevent cameradeoerecurrent vision transformer
发现论文，激发创造
  • 自动驾驶中基于事件的深度目标检测：综述

    事件相机在自动驾驶中利用事件数据进行目标检测具有竞争优势。该论文提供了事件相机在自动驾驶中目标检测的概述，强调了事件相机的低延迟和轻量级架构的竞争性优势。

    May, 2024

  • 白天和夜晚的追踪：基于事件相机引导的稳健高效全天物体检测

    通过融合 RGB 和事件信息的轻量级脉冲神经网络，我们提出了一种新颖的对象检测框架 EOLO，实现了稳健高效的全天候检测，在各种光照条件下优于现有检测器 (+3.74% mAP50)。

    Sep, 2023

  • LEOD: 事件相机的标签高效目标检测

    LEOD 是第一个能够节省标签的事件感知目标检测框架，通过弱监督、半监督和自监督学习机制，利用有限标签在未标记事件上生成伪标签，并通过双向推理和基于跟踪的后处理提高伪标签的质量。通过引入新的实验协议，在 Gen1 和 1Mpx 数据集上评估基于事件感知的节约标签的目标检测任务，LEOD 在各种标签比率下始终优于基准方法，甚至在所有标记数据都可用时达到了新的最优结果。此外，LEOD 方法还能应用于改进更大的检测器。

    Nov, 2023

  • 通过可靠的不确定性量化与校准，构建自我感知的物体检测器

    本文介绍了一个名为 SAOD 的任务，它是一种统一的测试框架，旨在针对自主驾驶等安全关键环境中物体检测器所面临的挑战，并解决了当前测试物体检测器鲁棒性的方法所存在的问题，并引入了新颖的度量和大规模测试数据集来测试多个物体检测器，最终引入一个简单的基线，以便为研究人员提供基准测试方法。

    Jul, 2023

  • 使用 100 万像素事件相机学习物体检测

    本文介绍了一种基于事件相机的物体检测任务的解决方案，包括了首个高分辨率大规模数据集的发布、一种新的递归架构和一种时间一致性损失函数，这些对于更好的训练结果至关重要，而且在需要高动态范围，低延迟且具有挑战性的光照条件的情况下比传统的基于帧的解决方案更加高效而准确。

    Sep, 2020

  • 神经形态相机中的异步卷积网络物体检测

    本文提出了两种神经网络结构，分别是基于事件的相位叠加帧模型的 YOLE 和异步基于事件的完全卷积网络 fcYOLE，用于在基于事件的摄像头上进行物体检测，通过不同的扩展公开数据集和人工合成数据集的评估，展示了该算法的性能。

    May, 2018

  • 基于目标的跨模态特征蒸馏的事件型物体检测

    我们提出了一种新颖的知识蒸馏方法，通过使用面向对象的槽注意机制来改善事件相机的实时目标检测性能，减小与 RGB 检测器之间的性能差距。

    Nov, 2023

  • 利用事件相机进行深度动态障碍物躲避的 EVDodgeNet

    本文提出基于深度学习的方法利用事件相机和机载计算实现四轴飞行器避开多个动态障碍物。该方法通过一系列浅层神经网络模型同时估计自我运动和独立运动目标的运动，并在真实场景下实现测试并证明有效性，成功率达到 70%。此外，本方法通过反向控制来延伸应用于其他不同场景，是首次使用事件相机实现基于深度学习的动态障碍物避免方案的研究。

    Jun, 2019

  • MoCaE: 混合校准专家显著改进目标检测

    通过将不同目标检测器合理结合，在不同任务上证明了 MoCaE 方法的有效性，并在 COCO、LVIS 和 DOTA 数据集上取得了显著的结果提升。

    Sep, 2023

  • 事件到视频转换用于高空目标检测

    使用事件相机收集航拍图像由于图像传感器的能效较高而具有吸引力，然而，事件相机使得后续图像处理复杂化，尤其是在对象检测等复杂任务中。本文研究了事件流在航拍对象检测中的可行性，并证明了密集事件表示与对应的 RGB 帧之间性能存在显著差距的因果关系，其中一部分是由于事件表示与初始化目标检测器权重的预训练数据的重叠不足。然后，我们应用事件到视频转换模型将事件流转换为灰度视频以填补这一差距，结果表明该方法显著提高了性能，甚至在航拍目标任务上优于特定于事件的对象检测技术。这些结果表明事件表示与现有大规模预训练模型之间更好的对齐可能会带来比端到端事件特定架构改进更大的短期性能收益。

    Feb, 2024