intersection over union | BriefGPT

关键词intersection over union

搜索结果 - 15

基于保边概率下采样的高效精确 CT 分割
通过引入一种名为 Edge-preserving Probabilistic Downsampling (EPD) 的新方法，该方法利用局部窗口中的类别不确定性产生软标签，以低分辨率实现网络生成高质量预测，从而更有效地保留边缘细节，并在图像
PDF3 months ago
ICLR特征丢弃时的边界框稳定性反映了检测器在不同环境下的泛化能力
通过对边界框的稳定性进行评估，可以预测目标检测的准确性，从而在没有测试真值的情况下提高检测器的泛化能力。
PDF3 months ago
冬季驾驶条件下使用预训练的自监督特征协助的轨迹驱动区自动标注系统
利用预训练的自监督特征进行轨迹辅助自动标注的可驾驶区域检测，以适应冬季驾驶条件，相较最先进的自监督可驾驶区域检测，在交并比方面获得了 + 9.6 的提升。
PDF6 months ago
深度卷积长短期记忆网络的时间性能预测
利用时间后处理方法来估计卷积长短期记忆网络的预测性能，通过预测交并比或分类交并比是否为零来评估预测质量，进一步研究所考虑的细胞状态数量对提出的评估指标的影响。
PDF8 months ago
建筑物提取精度：使用 LiDAR 数据比较浅层模型和深层模型
本篇论文研究了建筑分割问题，利用浅层模型评估 LiDAR 数据在监督分割中的应用，并通过采用边界掩模提升边界一致性得分，结合航空图像和 LiDAR 数据进行模型的训练与比较，结果表明浅层模型在航空图像任务和航空图像与 LiDAR 数据任务下
PDF9 months ago
适用于视觉丰富的文档图像的表格检测
本研究提出了一种基于分离 IoU 的桌子检测方法，使用 SparseR-CNN 作为基础模型，并使用高斯噪声增强的图像大小区域建议和多对一的标签分配来进一步改进该模型，实验结果表明这种方法在多种数据集和 IoU 度量的情况下始终优于现有方法
PDFa year ago
基于 SAM 模型的弱监督语义分割增强伪标签
使用 Segment Anything Model（SAM）结合 Class Activation Maps（CAM）生成更高质量的伪标签，用伪标签为特定类提供信号，选择相关的 mask 并用它们进行标注以产生一个更精确的伪标签，综合我们的
PDFa year ago
直接优化 IoU 以进行边界框定位
本文提出了一种新的损失函数 ——Smooth IoU，用于直接优化边界框的交并比，在多个数据集上显示出比标准的 Huber 损失更好的性能表现，该方法可应用于物体检测问题，使用卷积神经网络进行训练。
PDFa year ago
Crown-CAM: 高可靠性航空影像树冠检测的可靠视觉解释
本篇论文提出了一种名为 CrownCAM 的算法，用于在高密度森林树木的机动检测场景中生成可靠的可视化解释，能够有效提供树冠的细粒度本地化和非上下文背景抑制。此外，引入了两个基于交集的度量方法，可以有效地量化生成的可视化解释与图像中有或没有
PDF2 years ago
机器化面团成形
本研究主要研究了如何使用机器人手臂和多种传感器将软饰物（dough-like deformable material）进行操作并且变形成一个指定的二维形状，并从控制策略和操作技巧等多方面进行了探究，实验结果表明使用指定的方式对软饰物进行操作
PDF2 years ago
一种系统的 IoU 相关方法：超越简单回归以获得更好的定位
提出一种基于 extended IoU 并采用 convexification 和 steady optimization 技术的新型损失函数方法，用于提高物体检测中的定位精度，并在 Faster R-CNN with ResNet50+F
PDF3 years ago
一种面向微小目标检测的归一化高斯瓦瑟斯坦距离
本文提出了一种基于 Wasserstein 距离的检测器优化方法，用于检测微小目标，该方法通过将边界框建模为 2D 高斯分布并计算它们之间的相似度，取代了常用的 IoU 度量标准，能够在新的 AI-TOD 数据集上取得比现有方法高 6.0
PDF3 years ago
Cascade R-CNN：高质量的目标检测和实例分割
提出了一种多阶段目标检测架构 Cascade R-CNN，采用一系列具有递增 IoU 阈值的检测器进行训练，以解决因过度拟合和推理时间质量不匹配而导致的高质量检测难题，在 COCO 数据集中取得了最先进的性能，并显著提高了通用和特定对象检测
PDF5 years ago
CVPR广义交并比：一个边框回归的度量和损失函数
本研究主要关注物体检测领域中最受欢迎的衡量标准之一的交并比（IoU），提出了一种广义的 IoU（GIoU）作为新的回归损失和度量方式，并将其应用于现有的物体检测框架中，在 PASCAL VOC 和 MS COCO 等常见的物体检测基准测试中
PDF5 years ago
Cascade R-CNN：深入探索高质量目标检测
本文提出一种多阶段目标检测架构，Cascade R-CNN，通过一系列的检测器训练，逐步提高在增加交并比（IoU）阈值下对近似假阳性的选择性，从而减少过拟合问题，并在推理时提供更接近每个阶段检测器质量的假设匹配，实现在 COCO 数据集上比
PDF7 years ago