关键词object proposal generation
搜索结果 - 8
- 适应预训练视觉模型用于新颖实例检测和分割
利用新颖实例检测和分割 (NIDS) 的统一框架 (NIDS-Net),包括物体提案生成、实例模板和提案区域的嵌入创建,以及实例标签分配的嵌入匹配,通过前沿特征平均和权重适配器机制生成高质量实例嵌入,取得显著性能提升。
- 通过语义基础解决视觉语言任务中目标提议评估的不匹配
评估目标提议的有效性,通过仅针对由阈值筛选的注释子集进行评估,使用语义基础实现与图像字幕和人工注释的对齐,并比较当前在场景图生成基准中使用的检测器的性能对比。
- 通过利用 CLIP 线索进行无监督的开放类别物体建议生成的 ProposalCLIP
本文提出了 ProposalCLIP 方法,可以在无监督学习的条件下生成大量类别的物体候选框,主要通过利用 CLIP 的线索,包括基于经验分析的对象分数、基于图形的合并模块以及基于 CLIP 线索的伪标签提取和轻量级网络训练来实现,实验结果 - 什么导致物体提议的泛化?
本文研究使用一小组源类别训练检测模型如何生成泛化到未见过的类别的 proposals,通过对数据集的视觉多样性和标签空间粒度的属性研究,引入了原型类别的概念,提出只需用 25% 的类别即可训练得到性能不差的 proposals,同时表明 F - 循环像素嵌入用于实例分组
该论文提出了一个可微分、端到端的训练框架,用于解决像实例分割这样的像素级分组问题,其中包括超球嵌入和均值漂移聚类两个创新部分,并通过组加权损失进行反向传播,从而实现子集聚合。实验证明,这个框架在提高目标建议生成的表现方面表现出显著的优势,同 - ScaleNet:超市及其他场景中的目标提议生成指导
为产物察觉问题而深入研究超市图像和其他自然图像中目标提议生成。为了更好地生成目标提议,本文提出了一种名为 ScaleNet 的方法来估算图像中目标的比例,并体现了其有效性。
- 边界感知实例分割
该论文介绍了一种基于距离变换的对象段表示方法和基于残差解卷积结构的对象掩码网络,实现了跨越边界框的对象分割;并将其整合到一个多任务网络级联框架中,学习了最终二进制对象掩码。实验表明,这种方法在目标生成和实例分割方面优于现有的技术。
- 基于序列非极大值抑制的视频目标检测
本文将视觉目标检测中的三个阶段进行了修改,采用了从相邻帧提取高得分目标检测的方法来增强同一剪辑中弱目标检测的得分,并获得了比现有技术更好的结果。该方法在 ImageNet 大规模视觉识别挑战赛 2015 年的视频目标检测(VID)任务中取得