bounding box annotations | BriefGPT

关键词bounding box annotations

搜索结果 - 16

利用边界框标注实现低成本细胞图像分割的主动学习
我们提出了一种使用边界框注释的主动学习框架，用于细胞分割，大大降低了数据注释成本。通过将 YOLOv8 检测器与 Segment Anything Model (SAM) 相结合，我们生成了一个箱子监督学习方法（称为 YOLO-SAM），有
PDF2 months ago
eTraM：基于事件的交通监测数据集
通过 eTraM 数据集的量化评估和对事件相机在交通监控中的潜力的发现，我们证实了事件相机在交通监控中的巨大潜力，为研究和应用开辟了新的途径。
PDF3 months ago
3D 边界框与 SAM 相遇：弱噪声监督下的点云实例分割
通过使用预先训练的 2D 基础模型 SAM 和 3D 几何先验，本文提出了一个互补的图像提示引导的弱监督点云实例分割（CIP-WPIS）方法，用于从边界框注释中准确地获取点云实例标签。通过在 3D 候选点的全可见图像视图中选择，我们生成互补
PDF10 months ago
具有噪声边界框的对象检测的分布感知校准
基于大规模标注数据集，该研究提出了分布感知校准（DISCO）方法，通过建模和提取物体的空间分布信息，采用分布感知的技术来改进分类、定位和可解释性，从而在高噪声水平下实现最先进的检测性能。
PDF10 months ago
WeakPolyp: 仅对息肉分割进行边框查找
基于边界框注释，我们提出了一种弱监督的息肉分割模型（WeakPolyp），使用 mask-to-box 转换减少粗糙标签与精确预测之间的不匹配，并通过尺度一致性损失实现密集监督，实验证明 WeakPolyp 在不需要任何遮罩注释的情况下达到
PDFa year ago
CVPR无遮挡视频实例分割
本文提出了一种采用类似 KNN 特征匹配的方式，而无需耗时昂贵的视频掩模注释即可实现视 / 视频实例分割的新方法 ——MaskFreeVIS，并通过在 YouTube-VIS 2019/2021、OVIS 和 BDD100K MOTS 基准
PDFa year ago
CVPR超越边界框：目标检测的多模态知识学习
该论文介绍了一种利用语言提示来增强物体检测的方法，用 bounding box annotations 填充语言提示中，利用跨模态信息将语言知识注入到检测模型中，同时，该方法还生成了 hard negatives 进一步提升检测性能。该方法
PDF2 years ago
ICCV基于选择和细化的视觉跟踪视频注释
提出了一种新的框架，利用选择和细化策略自动改进跟踪算法生成的初始注释，包括一个时间评估网络和一个视觉几何改进网络，它们共同提供了一个原则性的方法来确保自动视频注释的质量，并且在大规模跟踪基准测试中表现出高度准确性。
PDF3 years ago
基于亲和力注意力图神经网络的弱监督语义分割
本文提出了一种基于干预注意力图神经网络的边界框监督语义分割方法，通过伪语义种子和边界框约束来提高模型的训练精度，并在 Pascal VOC 2012 数据集上取得了最新的最佳性能。
PDF3 years ago
CVPR弱监督语义分割的背景感知池化和噪声感知损失
本文提出了一种使用边界框标注的弱监督语义分割方法，采用背景感知池化与噪声感知损失函数，可以在 PASCAL VOC 2012 数据集上比现有技术有更好的语义分割效果。
PDF3 years ago
CVPR弱监督语义和实例分割的边框归因映射
本研究利用训练的物体检测器的行为高级信息，寻求影响物体检测器结果的最小区域，形成 bound box attribution map（BBAM)。该方法基于伪标注数据进行弱监督的语义及实例分割，能提高 PASCAL VOC 和 MS COC
PDF3 years ago
分割就是一切
本文提出了第一个无 anchor 和 NMS 的目标检测模型 WSMA-Seg，利用分割模型实现精确和稳健的目标检测，WSMA-Seg 使用多模态注释，开发了一种基于运行数据的跟踪算法来追踪物体轮廓，并提出了多尺度池化分割模型 (MSP-S
PDF5 years ago
CVPR基于实况视频描述
该文介绍了利用视频中物体的 bounding box 将描述影片的句子与影片中的客观证据联系起来，并给出了一个能够利用 bounding box 的词语注释的视频描述模型，其在视频描述、视频段落描述和图像描述上均表现出了最先进的性能和更好的
PDF6 years ago
CVPRYouTube-BoundingBoxes: 一个大规模高精度的经人工注释数据集，用于视频物体检测
本文介绍了一个新的大型数据集 YT-BB，其中包括大量视频 URL 和密集采样的物体边界框注释，从而提供了视频对象检测和跟踪等领域的基准数据集和发展方向。
PDF7 years ago
BoxSup: 利用边界框监督卷积神经网络进行语义分割
本文提出了一种名为 BoxSup 的方法，通过利用 bounding box annotations 代替 human-annotated, pixel-level segmentation masks 来训练卷积网络，循环生成 regio
PDF9 years ago
LSDA：大规模适应检测
本文提出了一种名为 LSDA 的算法，可以从分类图像数据中自动学习分类器以实现目标检测任务，使得即使没有边界框注释数据的成千上万个目标类别也有可能被检测出来，并在 ImageNet 数据集上进行了评估。
PDF10 years ago