open-set object detection | BriefGPT

关键词open-set object detection

搜索结果 - 7

推进 DINO 1.5: 开拓开放集合目标检测的 “边缘
Grounding DINO 1.5 是一套由 IDEA Research 开发的先进的开放集合目标检测模型，旨在推进开放集合目标检测的边缘发展。
PDF2 months ago
T-Rex2：通过文本 - 视觉提示协同实现通用物体检测
我们提出了 T-Rex2，这是一个高度实用的模型，用于开放集目标检测，通过对比学习，T-Rex2 结合了文本提示和视觉提示的优势，在不同场景中能够展示出卓越的零样本目标检测能力。
PDF4 months ago
基于 Wasserstein 距离的稀疏潜在区域扩展检测未知类别
本文提出了一种在开放集目标检测（OSOD）中解决目前状态良好的检测器将未知对象错误分类为已知类别的高置信度的显著挑战。我们提出了一种新颖的方法，在潜在空间中通过区分高密度和低密度区域来有效识别未知对象。我们的方法建立在 Open-Det（O
PDF6 months ago
基于先验训练的开放集检测中视觉提示的探索
通过学习新类别知识并利用统计学构建模块，以及任务特定相似性字典的设计，我们提出了一种新的视觉提示方法，可以将预训练的检测模型推广到新类别，并在组合推理中表现出更好的性能。
PDF7 months ago
T-Rex：通过视觉提示进行计数
T-Rex 是一个交互式的物体计数模型，通过视觉提示将物体计数形式化为开放集物体检测任务，可通过标记参考图像上的点或框来指定感兴趣的物体，然后检测具有相似模式的所有物体，并通过 T-Rex 的视觉反馈进行交互式地修正计数结果。该模型在全面的
PDF7 months ago
少样本检测一切
本文介绍了 DE-ViT，这是一个使用纯视觉 DINOv2 骨干网络的开放集对象检测器，通过示例图像而不是语言来学习新的类别。为了提高检测能力，我们将多类别分类任务转换为二分类任务，并提出了一种新的区域传播技术来进行定位。在 COCO 和
PDF9 months ago
CVPR扩展低密度潜在区域以进行开放式物体检测
提出了一种基于对潜在空间中低密度区域的分离，通过 OpenDet 具有扩展的低密度区域来识别未知物体的方法，此方法包括一个对已知类别进行对比特征学习的 CFL 及一个基于预测的不确定性优化未知概率的 UPL，实验证明此方法可以显著提高 OS
PDF2 years ago