non-maximum suppression | BriefGPT

关键词non-maximum suppression

搜索结果 - 28

Fuzzy-NMS：在 NMS 中使用模糊分类改善 3D 物体检测
通过引入模糊学习到非极大值抑制（NMS）中，我们提出了一种新的广义 Fuzzy-NMS 模块，以实现对候选边界框的更细致过滤，通过模糊分类方法将体积和聚类密度相结合，优化适当的抑制阈值并减少 NMS 过程中的不确定性，通过对 KITTI 和
PDF9 months ago
AMSP-UOD: 涡旋卷积与随机扰动相遇的水下目标检测
本文提出了一种针对水下物体检测的新颖振幅调制随机扰动和涡旋卷积网络（AMSP-UOD）。AMSP-UOD 通过 AMSP 涡旋卷积（AMSP-VConv）来减弱噪声的影响，增强特征提取能力，减少参数并提高网络的鲁棒性。通过设计长程和短程特征
PDF10 months ago
DETR 在实时目标检测中击败了 YOLO
本文提出了第一款实时端到端物体检测器 ——Real-Time DEtection TRansformer（RT-DETR），支持灵活调整推理速度且在速度和准确度上均优于同一规模的 YOLO 检测器以及 DINO-Deformable-DET
PDFa year ago
精密单级检测器
本研究提出了一种改进的单阶段物体检测器 (Precise Single Stage Detector, PSSD)，通过添加额外层、构建高效特征增强模块和设计更有效的损失函数优化了 SSD，提高了其对于局部和语义信息的分析能力，解决了特征抽
PDF2 years ago
MM物体检测的解耦交并比回归
通过提出 Decoupled IoU Regression (DIR) 模型，将 IoU 按照纯度和完整度两个维度拆分为两个更加清晰的映射以分别处理，同时引入特征对齐提升稳定性。结果显示 DIR 可用于现有的两步检测器并且显著提高它们的性能
PDF2 years ago
CVPR置信度传播聚类：释放目标检测器的全部潜力
本文提出了一种基于置信传播聚类（CP-Cluster）的物体检测方法，它采用了置信度信息的信息传递机制，能够同时去除冗余的检测框并增强真正的正类检测框。与传统的基于 NMS 的方法相比，在不重新训练检测器的情况下，我们的方法能够显著提高各种
PDF3 years ago
CVPRPSRR-MaxpoolNMS：带有关系恢复的金字塔偏移最大池化非极大值抑制
本文提出了 PSRR-MaxpoolNMS 作为非极大值抑制算法在目标检测模型中的替代方案，在所有检测器的所有阶段完全替代了 GreedyNMS，并通过引入简单的关系恢复模块和金字塔平移 MaxpoolNMS 模块，可精确地近似于 Gree
PDF3 years ago
CVPR全卷积网络实现端到端目标检测
本文针对基于全卷积网络的主流目标检测器在进行完全端到端训练时需要手动设计的非极大值抑制（NMS）后处理方法进行分析，发现正确的标签赋值在其中起着至关重要的作用。本文提出了一种名为预测感知一对一（POTO）的分类标签赋值方法，使得在完全卷积检
PDF4 years ago
ECCV精确物体检测的量子软 QUBO 抑制
本文提出了基于量子计算优势的 Quantum-soft QUBO Suppression (QSQS) 算法，应用于物体检测中的冗余检测。实验证明，相比于传统的 NMS 和 soft-NMS 算法，该算法将 PASCAL VOC 2007
PDF4 years ago
IterDet：拥挤环境中目标检测的迭代方案
本文提出一种基于迭代方案的物体检测算法，通过在每次迭代中检测新的子集，然后将之前的检测结果传递到后续迭代以确保不会检测到同一对象，改进了现有的基于深度学习的物体检测算法，并在 CrowdHuman 和 WiderPerson 数据集上实现了
PDF4 years ago
3D IoU-Net: 基于 IoU 的点云三维物体检测器
提出了一种在 3D 物体检测中通过 IoU 预测来解决 NMS 中准确性问题的方法，使用了 3D IoU-Net 进行特征学习和准确性预测，并通过 Corner Geometry Encoding 和 Attentive Corner Ag
PDF4 years ago
CVPR通过代表区域的 NMS：通过候选框配对实现拥挤行人检测
本文提出了一种新的代表区域 NMS 方法，利用较少被遮挡的可见部分，有效地去除冗余框而不带来太多的误报，同时还提出了一种新颖的配对框模型，以同时预测行人的全身和可见框，并在充满挑战的 CrowdHuman 和 CityPersons 基准测
PDF4 years ago
FeatureNMS: 通过学习特征嵌入来进行非极大值抑制
本文提出一种名为 FeatureNMS 的算法以解决对象检测中传统 NMS 算法在物体重叠区域存在瑕疵的问题，该算法能够通过特征向量的差异除了集合交并比之外，更充分地编码更多的信息，从而优于传统 NMS 和其改进方法，并达到了最先进的性能。
PDF4 years ago
人群中的属性感知行人检测
针对密集环境下行人检测中存在的遮挡和高度拥挤等问题，本文提出了一种基于属性感知的行人检测器，采用深度学习框架，利用属性特征进行检测和区分，引入了基于属性特征的非极大值抑制，设计了一种新的数据集以缓解训练过程中的困难，实验表明该方法在行人检测
PDF5 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适应性 NMS: 在人群中优化行人检测
本文提出一种使用新型非极大值抑制（NMS）算法解决人群中的行人检测问题，使用自适应 NMS 和学习密度得分的子网络，可以有效改善边界框的精确度，并在 CityPersons 和 CrowdHuman 基准测试中取得了最先进的结果。
PDF5 years ago
FCOS：全卷积单阶段目标检测
本文提出了一种全卷积单阶段物体检测器 FCOS，采用针对每个像素的预测方式，类似于语义分割。相对于所有最先进的物体检测器，如 RetinaNet，SSD，YOLOv3 和 Faster R-CNN，FCOS 完全无需先定义参考框，从而避免与
PDF5 years ago
Daedalus：通过对抗样本打破目标检测中的非最大抑制
本文提出了一种名为 Daedalus 的对抗性样本攻击，通过缩小检测框的尺寸来规避 Non-Maximum Suppression，为现实中的物体检测系统带来潜在的致命后果。该攻击能够以低代价对原始输入进行干扰，同时可用于印刷海报等现实场景
PDF5 years ago
CVPR利用不确定性的边界框回归进行准确的目标检测
本研究提出了一种新颖的边界框回归损失方法，该方法结合了学习边界框变换和定位方差。研究表明，该方法显著提高了各种框架的准确性。同时，学习到的定位方差允许我们在非极大值抑制期间合并相邻的边界框，进一步提高了定位性能，超越了先前的最先进的边界框精
PDF6 years ago
使用非极大值抑制提高全方位图像的人体检测
本研究提出一种基于卷积神经网络的人物检测器，能够在全景图像中准确生成人物的最小外接矩形。根据检测器的原始边界框，我们通过非最大值抑制、软非最大值抑制和带有高斯平滑的软非最大值抑制三种方法对边界框进行微调，并在 PIROPO 数据库和自己注释
PDF6 years ago