关键词single-stage detectors
搜索结果 - 5
- 目标检测中的类别不平衡:实证诊断与缓解策略研究
使用 YOLOv5 单阶段检测器解决前景 - 前景类别不平衡问题,通过采样和重加权方法对比分析发现,数据增强方法,特别是马赛克和混合推动了模型在 COCO-ZIPF 数据集上的表现。
- NIV-SSD: 邻居 IoU 投票单阶段点云目标检测器
提出了一种解决单阶段检测器中的定位准确性与分类置信度不匹配的问题的新方法,命名为邻居 IoU 投票(NIV)策略。通过计算来自回归输出的两种类型的统计数据来修正分类置信度,作为分类和回归分支之间的桥梁。并且,通过随机变换易对象的一部分为难对 - S4OD: 单阶段目标检测的半监督学习
本文提出一种动态自适应阈值策略,同时考虑伪标签的质量和数量,并提出一种模块计算单级检测器的伪标签回归不确定性,仅使用来自 COCO 的 10%标记数据,我们的方法在基于锚点和无锚点的检测器(RetinaNet 和 FCOS)上实现了 35. - 变分行人检测
本文基于变分推理的视角,利用自编码变分贝叶斯算法提出了一种高效的行人检测算法,将密集检测框作为潜在变量,提高了现有基于交并比的器检测方法在人群密集情况下的效率。实验证明:该算法可用于单阶段检测器,同时也能提高双阶段检测器性能表现。
- ECCV用于目标检测的 IoU 预测的概率锚点分配
本文提出了一种新的锚点分配策略,通过模型的学习状态自适应地将锚点分成正样本和负样本,实现概率推理,并验证其有效性。该方法只在 RetinaNet 基线中添加了一个卷积层,并且不需要每个位置多个锚点,因此非常高效。