May, 2024

通过候选区域过滤和检测历史感知关联，跟踪小鸟

PDF
TL;DR该论文研究了在全景视频中出现的小鸟的跟踪问题，提出了一种自适应切片辅助高超推理方法（Adaptive SAHI），用于减少候选区域并改善检测，以及一种基于检测历史的相似性判据（DHSC），用于准确关联连续帧中的对象。在 NUBird2022 数据集上的实验证实了该方法在准确性和速度方面的改进。
small object trackingadaptive slicing aided hyper inferencedetection history-aware similarity criterionnubird2022 datasetaccuracy and speed improvements
发现论文，激发创造
  • 监控视频中的飞行鸟类目标检测算法

    本文提出了一种适用于监控视频中飞鸟对象的飞鸟对象检测方法，该方法通过多个连续图像帧上的飞鸟对象的相关性聚合特征，并利用下采样和上采样设计了一个具有大特征图层的飞鸟对象检测网络来检测特殊的多尺度（主要是小尺度）鸟类对象。最后，应用了 SimOTA 动态标签分配方法来解决不规则飞鸟对象引起的标签分配问题，实验结果表明本文提出的监控视频飞鸟对象检测方法有效地提高了飞鸟对象的检测性能。

    Jan, 2024

  • Focus-and-Detect: 一种用于航拍图像的小目标检测框架

    本文提出了一种名为 “Focus-and-Detect” 的两阶段物体检测框架，包括一个用高斯混合模型监督的物体检测网络来生成聚焦区域，以及一个物体检测网络来预测指定区域中的物体。同时，本文还提出了一种名为 IBS 的方法，可以克服区域搜索方法的截断效应，并在 VisDrone 验证数据集上获得了 42.06 的 AP 得分，超越所有已知的最先进的小物体检测方法。

    Mar, 2022

  • MVA2023 小型物体检测挑战：鸟类识别数据集、方法和结果

    该论文提出了一个名为 SOD4SB 的新的 SOD 数据集，包含 39,070 张图像和 137,121 个鸟实例，旨在解决远距离小物体检测中的噪声、模糊和信息不足等挑战，并介绍了此挑战的细节、获奖方法、数据集、基准代码和公开测试集评估网站。

    Jul, 2023

  • 使用状态空间模型和可编程梯度的航空影像中小体目标检测的进展

    本文介绍了两种创新方法，显著提升了小型空中物体的检测和分割能力。首先，我们探索了 SAHI 框架在新引入的轻量级 YOLO v9 架构上的应用，利用可编程梯度信息（PGI）来减少在串行特征提取过程中常见的大量信息损失。同时，本文还采用了 Vision Mamba 模型，该模型结合位置嵌入以实现精确定位感知，结合了一种新颖的双向状态空间模型（SSM），用于有效的视觉背景建模。我们的实验结果显示，在不同的空中场景下，这些方法在检测准确度和处理效率上都取得了显著的改进，验证了这些方法在实时小型物体检测方面的适用性。本文还讨论了这些方法如何成为未来空中目标识别技术的基础模型。源代码将在此处提供。

    May, 2024

  • 无人机监测：从视频中识别无人机

    本文提出了使用分割为基础的两阶段方法来检测从其他飞行无人机发射的无人机，通过使用时空注意力线索来确保准确的定位，并以准确性优于其他基线的结果在两个无人机检测数据集上进行了评估。

    Mar, 2021

  • 单运动相机飞行物体检测

    提出了一种基于回归的运动稳定方法，旨在检测被拍摄的机动飞行器在复杂背景中移动的情况，该方法在运动与外观两方面共同作用下可以对比先进技术更有效地运用时空图像块进行分类，并通过收集两个具有挑战性的数据集为飞行物体检测和视觉引导式避碰创建基准。

    Nov, 2014

  • 使用 YOLOv7 和测试时增强的方法进行小鸟检测

    本文提出了一种针对 2023 年小鸟目标检测挑战的小鸟检测方法，采用了 YOLOv7 模型和测试时间增强，通过增加输入分辨率、多尺度推断、在推断过程中考虑翻转图像以及使用加权框融合来改进检测效果，并在实验中对每种技术的影响进行了深入研究，实验证明了显著的检测精度提升。该方法在 Development 类别中取得了最高分，在 IoU=0.5 时，公共 AP 为 0.732，私有 AP 为 27.2。

    Dec, 2023

  • 利用切片辅助超推理和优化策略提升先进集成电路节点缺陷检测和分类方法

    半导体制造中的光刻术通常是界定最小模式尺寸的制造步骤，在最近几年中，高数值孔径极紫外光刻术 (high-NA EUVL) 的发展取得了进展，承诺推动模式缩小 (2 纳米节点及以上)。然而，高数值孔径导致了随机缺陷的显著增加和缺陷检测的复杂性增加。本研究探讨了利用切片辅助的超推理 (SAHI) 框架改进当前技术的方法。通过在扫描电子显微镜 (SEM) 图像的增大尺寸切片上进行推理，改进了目标检测器的感知域，提高了小缺陷实例的检测。首先，在以前研究过的半导体数据集上对各种配置进行了基准测试，并且证明了 SAHI 方法可以将小型缺陷的检测能力提高约 2 倍。接下来，我们还展示了 SAHI 的应用可以在新的测试数据集上实现完美的检测率，即使在训练过程中未遇到的情况下，之前训练的模型也无法做到。最后，我们提出了 SAHI 的扩展版本，即在不明显降低真阳性预测的情况下，消除了假阳性预测。

    Nov, 2023

  • 将多视角检测和跟踪提升至鸟瞰视角

    利用多视角聚合的优势可以解决多目标跟踪和检测中的遮挡和漏检等挑战。通过将所有视图投影到地面并从鸟瞰视图进行检测分析，最近在多视图检测和 3D 物体识别方面的进展显著提高了性能。本文比较现代的无参数和参数化的升降方法与多视角聚合方法，并提出一种结合多个时间步骤的特征聚合以学习稳健检测并结合外观和运动线索进行跟踪的架构。我们的方法在行人和道路感知两个领域的三个公共数据集上具有广泛适用性，并在检测和跟踪方面实现了最先进的性能。

    Mar, 2024

  • 视觉目标跟踪的半自动注释

    本论文提出了一种半自动化的包围盒标注方法，利用跟踪 - 检测方法和时间信息，采用现成的目标检测器训练，利用多重假设追踪 (MHT) 来提高检测结果的可靠性，并使用人工评估来进行迭代标注。通过实验显示，该方法可以将标注工作量减少 96%。

    Jan, 2021