【目标检测】开源 | CVPR2020 | Scale Match在微小目标检测方面表现SOTA。

人工智能，每日面试题：

影响聚类算法效果的主要原因有：

　　A.特征选取

　　B.模式相似性测度

　　C.分类准则

　　D.已知类别的样本质量

答案：见文章底部

下载完整原文，公众号回复：1912.10664

论文地址：http://arxiv.org/pdf/1912.10664v1.pdf 代码：https://github.com/ucas-vg/tinybenchmark 来源：中国科学院大学 论文名称：Scale Match for Tiny Person Detection 原文作者：Xuehui Yu

随着深度卷积神经网络的兴起，视觉目标检测取得了前所未有的发展。然而，在大型图像中检测微小的物体(例如小于20像素的微小的人)，检测效果仍不理想。由于巨大且复杂的背景使得错误风险提高，导致微小物体的特征表示非常困难。在本文中，我们引入了一种新的benchmark，称为TinyPerson，它为远距离、大规模背景下的微小目标检测提供了的方向。实验发现，用于网络预训练的数据集与用于检测器学习的数据集之间的尺度不匹配会导致特征表示和检测器的不匹配。因此，我们提出了一种简单而有效的Scale Match方法来对齐两个数据集之间的目标比例，以实现良好的tinyobject表示。实验结果表明，我们提出的方法性能表现SOTA，并且TinyPerson在与真实场景相关的目标检测方面具有优势。

下面是论文具体框架结构以及实验结果：

每日面试题，答案：

号主答案：ABC

　　解析：D之所以不正确，是因为聚类是对无类别的数据进行聚类，不使用已经标记好的数据。

点击右下角“在看”给出你的答案：

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。