选自heartbeat 作者：Derrick Mwiti 机器之心编译 参与：陈萍 CVPR 2020 会议上，有哪些目标检测论文值得关注？ 目标检测是计算机视觉中的经典问题之一。...前不久结束的 CVPR 2020 会议在推动目标检测领域发展方面做出了一些贡献，本文就为大家推荐其中 6 篇有价值的目标检测论文。 ?..._2020_paper.pdf 这项研究提出了一种基于图卷积 (GConv) 的新型层次图网络 (HGNet)，它用于三维目标检测任务，可直接处理原始点云进而预测三维边界框。..._2020_paper.pdf 传统的目标检测算法需要大量数据标注才能训练模型，而数据标注不但耗费人力，可能还会因为标注质量而影响训练效果。...计算机视觉顶会 CVPR 2020 提供了很多目标检测等领域的研究论文，如果你想获取更多论文信息，请点击以下网址：https://openaccess.thecvf.com/CVPR2020。
本文盘点CVPR 2020 所有目标检测相关论文，总计64篇论文，感觉最大的特点是3D目标检测研究工作很多有21篇，尤其是工业界单位，可能是自动驾驶热带来的。...2D目标检测依然很热，神经架构搜索也开始在此领域发力。少样本、跨域的工作也很值得关注，最有意思的可能是伪装目标检测了，值得学习。 已经开源代码的论文，也把代码地址附上了。...如果想要下载所有CVPR 2020论文，请点击这里： CVPR 2020 论文全面开放下载，含主会和workshop 3D目标检测 LiDAR-Based Online 3D Video Object...视频目标检测 Memory Enhanced Global-Local Aggregation for Video Object Detection 作者 | Yihong Chen, Yue Cao,...伪装目标检测 Camouflaged Object Detection （新型检测任务） 作者 | Deng-Ping Fan, Ge-Peng Ji, Guolei Sun, Ming-Ming Cheng
/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...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： ? ? ? ? ? ? ? ? ? ?
场景文字识别 目标检测任务的目标是给定一张图像或是视频帧，让计算机找出其中所有目标的位置，并给出每个目标的具体类别。对于人类来说，目标检测是一个非常简单的任务。...与此同时，由于目标会出现在图像或是视频帧中的任何位置，目标的形态千变万化，图像或是视频帧的背景千差万别，诸多因素都使得目标检测对计算机来说是一个具有挑战性的问题。...【目标检测】 SSD目标检测 |1....概述 SSD全称：Single Shot MultiBox Detector，是目标检测领域较新且效果较好的检测算法之一[1]，有着检测速度快且检测精度高的特点。...PaddlePaddle已集成SSD算法，本示例旨在介绍如何使用PaddlePaddle中的SSD模型进行目标检测。
特征金字塔（Feature pyramids）是识别系统中用于检测不同尺度目标的基本组件。但是最近的深度学习目标检测器已经避免了金字塔表示，部分原因是它们是计算和内存密集型的。...此外，我们的方法可以在 GPU 上以 6 FPS 的速度运行，因此是一种实用且准确的多尺度目标检测解决方案。代码将公开发布。 1....他们的目标是生成一个高分辨率的单一高级特征图，在其上进行预测（图 2 顶部）。相反，我们的方法利用架构作为特征金字塔，其中预测（例如，目标检测）在每个层级上独立进行（图 2 底部）。...在 HOG 和 SIFT 之前，使用 ConvNets [38, 32] 进行人脸检测的早期工作计算了图像金字塔上的浅层网络，以跨尺度检测人脸。 深度卷积网络目标检测器。...Feature Pyramid Networks for RPN RPN [29] 是一种与类无关的滑动窗口目标检测器。
早期的行人检测方法，如HOG检测器，ICF检测器，在特征表示，分类器的设计，检测加速度方面，为一般的目标检测奠定了坚实的基础。...Face Detection 人脸检测是最古老的计算机视觉应用之一。早期的人脸检测，如VJ检测器在很大程度上促进了目标检测，它的许多出色的思想甚至在今天的目标检测中仍然发挥着重要的作用。...近年来，随着遥感图像分辨率的提高，遥感目标检测 ( 如飞机、船舶、油罐等的检测 ) 成为研究热点。遥感目标检测在军事侦察、灾害救援、城市交通管理等方面有着广泛的应用。...（1）Traditional detection methods 传统的遥感目标检测方法大多采用两阶段检测范式：1) 候选提取；2) 目标验证。...为了检测不同方向的目标，“混合模型”是针对不同方向的目标训练不同的检测器。
针对自动驾驶任务，作者提出了一种三维目标检测的原则度量。该指标背后的核心思想是隔离目标检测任务，并度量产生的检测对下游驱动任务的影响。 ?..._3D_Object_Detection_CVPR_2020_paper.pdf 单目3D目标检测最大的挑战在于没法得到精确的深度信息，传统的二维卷积算法不适合这项任务，因为它不能捕获局部目标及其尺度信息...，而这对三维目标检测至关重要。..._2020_paper.pdf 代码地址：https://github.com/zju3dv/disprcnn 最近很多做双目3D目标检测的都是通过视差估计恢复点云，然后应用3D检测器来解决这个问题。...总结 以上就是笔者近段时间看到的一些做3D目标检测的文章，欢迎补充~ 参考了 http://openaccess.thecvf.com/CVPR2020.py 本文仅做学术分享，如有侵权，请联系删文。
这篇文章收录于ECCV2020，作者团队是香港中文大学、腾讯优图、思谋科技等。...整体文章思路通过深入了解box来优化anchor-free目标检测的性能，整体分为box分解和重组（D&R）模块和语义一致性模块，首先进行边界框的重组选择更准确的边界框，之后选择一致性强的像素来更精确地拟合目标范围...，从而提高目标检测性能。...众所周知，中心关键点对于anchor-free目标检测器是必不可少的，通常，在其训练阶段将目标包围盒内的正中心关键点嵌入到均匀或高斯分布中，典型的算法有：FCOS 和CornerNet。...因此，在推断阶段选择高分的box作为最终检测结果有时是较差的。 ? 图2：普通anchor-free目标检测器的box预测中边界漂移现象的示意图。
今天的这篇是对吴恩达的深度学习微专业的第四节课卷积神经网络的第三周的目标检测的总结。 普通的卷积神经网络我们用来识别一张图片是什么东西。...衡量一个目标检测是否符合标准，就看神经网络识别后的框和数据标注的框的交并比，也就是两者框的交集除以两者框的并集。...这里可能会碰到多次检测的问题，就是在目标附近的几个格子都会认为它检测到了目标，这时候应用非极大值抑制的算法，选出概率最大的格子，并把其他交并比很高的格子抑制（这一步交并比的判断，是因为有可能一个图像里有多个目标被检测出来...，利用交并比可以只抑制一个目标附近多余的检测，而不能把其他目标的检测都被你抑制了）。...不同类别的目标检测，如车和人，抑制分别跑，一共跑两次。 ?
近几年来，目标检测算法取得了很大的突破。...本文对常见目标检测算法进行简要综述，并最后总结了目标检测算法方向的一些大V方便大家学习查看。 1....近几年来，目标检测算法取得了很大的突破。...本文对常见目标检测算法进行简要综述，并最后总结了目标检测算法方向的一些大V方便大家学习查看。 1....本文对常见目标检测算法进行简要综述，并最后总结了目标检测算法方向的一些大V方便大家学习查看。 1.
论文名称：Distance-IoU Loss: Faster and Better Learning for Bounding BoxRegression 原文作者：Zhaohui Zheng 边界盒回归是目标检测的关键步骤...本文提出了一个Distance-IoU (DIoU) loss，合并了预测框和目标框之间的标准化距离，在训练中比IoU和GIoU loss收敛得更快。...通过将DIoU和CIoU损失合并到YOLOv3、SSD和Faster RCNN等最新的目标检测算法，在IoU度量方面和GIoU度量方面实现了显著的性能提高。
Network for Fast Object Detection ECCV2016 https://github.com/zhaoweicai/mscnn 本文首先指出 Faster RCNN 在小目标检测存在的问题...随后提出本文的解决思路：1）在不同尺度特征图上进行候选区域提取，2）放大特征图用于检测 the MS-CNN achieves speeds of 10 fps on KITTI (1250×375)...导致小目标的检测效果尤其的差 This creates an inconsistency between the sizes of objects, which are variable, and...我们针对目标检测提出了一个 unified multi-scale deep CNN, denoted the multi-scale CNN (MS-CNN)， 主要包括两个部分： an object...这么做的目的就是靠前的特征图可以检测小目标，靠后的特征图可以检测大目标 4 Object Detection Network 检测网络，这里用了一个反卷积的特征图放大 To the best of
的问题，即给定一张图片或一段视频判断里面包含什么类别的目标。 定位-Location：解决“在哪里？”的问题，即定位出这个目标的的位置。 检测-Detection：解决“是什么？在哪里？”...目标检测算法分类 Two stage目标检测算法 先进行区域生成（region proposal，RP）（一个有可能包含待检物体的预选框），再通过卷积神经网络进行样本分类。...常见的two stage目标检测算法有：R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN和R-FCN等。...arXiv:http://arxiv.org/abs/1311.2524 github(caffe):https://github.com/rbgirshick/rcnn 2.One stage目标检测算法...常见的one stage目标检测算法有：OverFeat、YOLOv1、YOLOv2、YOLOv3、SSD和RetinaNet等。
作者 | 商汤科技 编辑 | 贾伟 本文介绍商汤科技在AAAI 2020 上的论文《Object Instance Mining for WeaklySupervised Object Detection...除此之外，还引入了物体实例权重调整损失函数(reweighted loss)，使网络可以同时学习到更完整的物体实例，从而让弱监督目标检测方法得到更加准确的检测框。...，进而影响弱监督目标检测的性能。...本论文提出了一种端到端的物体实例挖掘(Object Instance Mining,OIM)弱监督目标检测框架。...基于物体实例挖掘(OIM)弱监督目标检测框架结构如下图所示： 物体实例挖掘(OIM)弱监督目标检测框架。
摘要 目标检测是计算机视觉一个重要的领域。而目标检测算法的准确性和推理速度不可兼得，我们工作旨在通过tricks组合来平衡目标检测器的性能以及速度。...PPYOLO和其它SOTA检测模型对比 3. 方法 3.1 网络架构 ?...输出通道数为 ，3代表每个层设定的三种尺寸的锚框，K代表类别数目，5又可以分成4+1，分别是目标框的4个参数，以及1个参数来判断框里是否有物体。...作者发现给BackBone直接加DropBlock会带来精度下降，于是只在检测头部分添加。...不同的是我们在原始的L1 Loss上引入额外的IOU Loss分支，由于各个版本的IOU Loss效果差不多，我们选用最基础的IOU Loss形式 3.2.5 IOU Aware 在yolov3中，分类概率和目标物体得分相乘作为最后的置信度
随着自动驾驶的火热，3D目标检测在计算机视觉领域持续升温，学术和工业界都有众多研究学者，这其中基于点云数据的3D目标检测是主流，近年来基于单目RGB数据的也越来越多了。...Davis 单位 | 马里兰大学；Salesforce Research 论文 | https://arxiv.org/abs/2007.08556 动态信息建模的3D目标检测。 ?...Detection 作者 | Jin Hyeok Yoo, Yecheol Kim, Jisong Kim, Jun Won Choi 单位 | 汉阳大学 联合激光雷达与RGB数据的跨视图空间特征融合的3D目标检测...3D目标检测+3D点云 [6].Finding Your (3D) Center: 3D Object Detection Using a Learned Loss 作者 | David Griffiths...3D目标检测+点云+LSTM [7].An LSTM Approach to Temporal 3D Object Detection in LiDAR Point Clouds 作者 | Rui Huang
本文介绍的是CVPR2020论文《CentripetalNet: Pursuing High-quality Keypoint Pairs for Object Detection》，作者来自商汤 。...论文地址：https://arxiv.org/pdf/2003.09119.pdf 代码地址：https://github.com/KiveeDong/CentripetalNet 1 导读 CVPR 2020...上，商汤移动智能事业群-3DAR-身份认证与视频感知团队提出了基于向心偏移的anchor-free目标检测网络centripetalnet，为基于关键点的目标检测方法研究带来了新思路。...2 动机 1、现有的基于关键点的目标检测网络（如CornerNet、CenterNet、ExtremeNet等）通过使用关联嵌入向量进行物体关键点的匹配，然而关联嵌入向量具有训练难度大且容易混淆同类物体的缺点...，这会造成许多错误的关键点匹配从而导致错误的检测结果。
最近冒出来很多 Neural Network Search (NAS) + 目标检测的 paper，今天介绍一篇中了 AAAI 2020 的文章：SM-NAS: Structural-to-Modular...1911.09929 - 作者来自：华为诺亚方舟实验室&中山大学 论文效果展示： [5d9wv6ywd9.jpeg] 思路：这篇 Paper 要做的事情和 EfficientDet 非常类似，都是将神经网络结构搜索和目标检测相结合...，而且都是从目标检测算法的整个 pipeline 角度来搜。...本文的作者指出，应该考虑整个系统不同部分之间的关系，在目标检测的整个 pipeline 上联合进行起来搜索。相当于搜一个最好的组合方式来组合这些模块。...而这篇的优点在于分两个 stage 来搜，coarse to fine 的思想，对于目标检测这种 pipleline 特别长的任务可以减小搜索空间。
3D目标检测被广泛用于自动驾驶，但在德国收集的数据训练的检测器可以在美国的道路上表现的好吗？...实验证明，这种情况会精度下降严重，作者进一步发现主要是不同场景中汽车的大小差异过大导致的，通过简单的尺度归一化，使得跨国家的3D目标检测泛化能力更好。 ?
目标检测的任务是从图像中精确且高效地识别、定位出大量预定义类别的物体实例。...随着深度学习的广泛应用，目标检测的精确度和效率都得到了较大提升，但基于深度学习的目标检测仍面临改进与优化主流目标检测算法的性能、提高小目标物体检测精度、实现多类别物体检测、轻量化检测模型等关键技术的挑战...针对上述挑战，本文在广泛文献调研的基础上，从双阶段、单阶段目标检测算法的改进与结合的角度分析了改进与优化主流目标检测算法的方法，从骨干网络、增加视觉感受野、特征融合、级联卷积神经网络和模型的训练方式的角度分析了提升小目标检测精度的方法...此外，对目标检测的通用数据集进行了详细介绍，从4个方面对该领域代表性算法的性能表现进行了对比分析，对目标检测中待解决的问题与未来研究方向做出预测和展望。...目标检测研究是计算机视觉和模式识别中备受青睐的热点，仍然有更多高精度和高效的算法相继提出，未来将朝着更多的研究方向发展。 ?
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
云直播
对象存储
