关键词arbitrary-oriented object detection
搜索结果 - 6
- 度量对齐样本选择和关键特征抽取在方向目标检测中的应用
本文提出了一种解决精细定向目标检测问题的方法,在形状和旋转特征下动态地选择样本,并使用关键特征提取模块和自适应的平滑 L1 损失函数来提高分类和定位的一致性,并在四个旋转目标检测数据集上展示了目标检测器的最先进性能。
- 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 A - G-Rep: 面向任意方向物体检测的高斯表示
本文提出了一种称为 G-Rep 的统一高斯表示法,该法采用了高斯模型进行最优参数优化,可解决任意方向物体检测中由于特征不同引起的不准确性问题,该方法在多个公共数据集上均表现良好。
- 一种针对任意方向物体检测的通用高斯热图标签分配
本文提出了一种新的任意方向物体检测方法,称为 “广义高斯热力图标签分配法”,其中使用一种无锚盒对象适应标签分配策略,并开发了面向边界框的表示分量,设计了联合优化损失来改善 AOOD 性能。该方法适用于嵌入式平台上的轻型模型,具有低参数调整和 - AAAI任意方向目标检测的动态锚点学习
提出了一种动态锚点学习方法(DAL),通过全新定义匹配度评估锚点的定位潜力,实现有效标签分配并动态选择高质量锚点以实现准确目标检测,结果表明该方法在远程感知数据集 HRSC2016、DOTA、UCAS-AOD 以及场景文本数据集 ICDAR - CVPR关于任意方向物体检测:基于分类方法的再探讨
本文提出了一种将角度预测任务从回归问题转变为分类问题的方法,并使用设计的 “圆滑标签” 和 “密集编码标签” 来解决周期性和编码长度过大的问题,在三个大规模公共数据集上进行了实验验证,证明了该方法的有效性。