自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(48)
  • 收藏
  • 关注

原创 16-ADAPTRACK:基于自适应阈值的多目标跟踪匹配算法

多目标跟踪( MOT )在各种计算机视觉领域中起着关键作用,最近的检测跟踪算法将MOT视为不同的检测和关联任务。然而,现有的跟踪器在跨视频形成完整轨迹的同时,往往依赖于敏感阈值来关联先前的轨迹和当前的检测结果。这些阈值对跟踪性能至关重要,并且需要对每个数据集甚至序列进行手动调整,限制了在实际应用中的适应性。为了解决这个问题,在本文中,我们引入了AdapTrack,一种新的MOT算法,它可以在不需要手动设置阈值的情况下适应变化的场景。

2026-07-04 16:50:18 197

原创 15-DifusionMOT:一种基于扩散算法的多目标跟踪器

近来,研究者将扩散模型引入到多目标跟踪( Multiple Object Tracking,MOT )任务中。然而,现有的基于扩散的多目标跟踪方法,如Diffusion Track,存在较大的局限性,包括ID切换频繁、跟踪非线性运动目标时性能降低、推理时间长等。为此,本文提出了一种更有效的基于扩散的多目标跟踪器DiffusionMOT。特别地,我们提出了一种混合交并比( IoU )和重识别( ReID )的轨迹匹配方法,有效地减少了错误匹配。

2026-07-04 09:49:15 251

原创 14-RAP-SORT:适用于复杂场景的高级多目标跟踪

多目标跟踪( Multi-Object Tracking,MOT )旨在跨帧检测和关联目标,同时保持一致的ID。虽然一些方法在相机补偿的同时利用强线索和弱线索来提高关联,但它们在涉及高物体密度或非线性运动的场景中挣扎。为了解决这些挑战,我们提出了RAP - SORT,一种新的MOT框架,它引入了四个关键创新。首先,鲁棒轨迹置信建模( Robust轨迹置信Modeling,RTCM )模块通过平滑更新和对低置信度情况应用二阶差分调整对轨迹置信度进行建模。

2026-07-03 16:31:34 194

原创 13-MCTrack:面向自动驾驶领域的统一三维多目标跟踪框架

本文介绍了MCTrack——一种全新的三维多目标跟踪方法,该方法在 KITTI 、nuScenes及Waymo数据集上均实现了业界领先(SOTA 级)的性能表现。针对现有跟踪方法存在的局限性(这些方法虽在特定数据集上表现优异但缺乏通用性),MCTrack提供了统一的解决方案。此外,我们统一了各数据集感知结果的格式(命名为BaseVersion),使多目标跟踪领域的研究人员无需承担过重的数据预处理负担,即可专注于核心算法开发。

2026-07-02 20:26:26 227

原创 12-EBEVTRACK:多目标追踪的估算鸟瞰视图

多目标跟踪(MOT)是计算机视觉领域的基础任务,要求在视频帧中准确检测并持续追踪多个目标。然而现有方法在处理外观相似或被遮挡的目标时存在局限性。鸟瞰视角(BEV)能够减少透视畸变并提供空间一致性,但传统实现方案通常依赖复杂的三维感知或多摄像头系统。为解决这些问题,我们提出了一种新型在线跟踪器EBEVTrack,可基于单目二维图像估算BEV视角。基于BEV的数据关联(BDA),利用目标在BEV坐标系中的空间关系建立关联;以及遮挡目标搜索(OTS),通过处理被遮挡目标来减少错误轨迹和身份切换。

2026-07-01 21:10:53 178

原创 11-基于联合扩散运动预测与外观净化的遮挡感知多目标跟踪

遮挡是复杂场景中多目标跟踪(MOT)面临的普遍挑战,会严重降低跟踪性能。现有方法在处理遮挡时仍存在诸多缺陷:运动预测难以适应多样化的运动模式,导致短期遮挡场景下出现识别失败;同时,外观特征在遮挡条件下判别能力不足,常导致长期遮挡后出现身份切换错误。为提升此类复杂场景下的多目标跟踪性能,我们提出了一种创新性的“基于联合扩散运动预测与外观净化的遮挡感知多目标跟踪”(OAMOT)方法。针对短期遮挡问题。

2026-07-01 16:10:25 181

原创 9-LLTrack:用于二维多目标跟踪的并行关联框架

多目标跟踪(MOT)是计算机视觉领域的基础任务,在存在频繁遮挡、目标形变以及目标间相似性模糊的拥挤场景中仍面临诸多挑战。现有的基于检测的跟踪方法通常仅依赖单一关联线索或运动与外观线索的序列组合,当出现关联冲突时难以充分发挥两者互补优势。本文提出LLTrack——一种二维多目标跟踪框架,通过并行匹配与冲突解决机制优化关联阶段处理。具体而言, 基于运动特征和基于外观特征的关联信息可并行计算,并根据运动层面的可靠性指标解决冲突匹 配结果;

2026-06-30 15:56:35 209

原创 8-EnBoT-SORT:面向高密度热红外无人机的层次化融合关联追踪与伪样本生成方法

热红外高密度无人机目标检测与跟踪在数据层面和算法层面均面临显著挑战。在数据层面,准确标注的真实场景 样本稀缺且采集成本高昂;在算法层面,则主要难点在于如何应对由目标高度密集聚类、频繁遮挡以及目标反复出现所导致的身份切换问题。为解决这些难题,本文提出了一种创新的红外伪样本生成方案——通过设计基于物 理机制的异构交互退化模型(HIDM),该模型利用背景与目标间的协同退化机制模拟真实红外成像过程(涵盖 多种耦合退化因素),并结合随机轨迹生成策略,生成大规模物理特性真实的伪样本数据,显著提升了数据的领 域适应性。

2026-06-29 17:00:34 276

原创 6-SportsMOT:一个涵盖多种体育场景的大型多目标跟踪数据集(SportsMOT: A Large Multi-Object Tracking Dataset in Multiple Spor)

在体育场景中,多目标跟踪对于收集运动员统计数据、支持自动战术分析等深入分析具有关键作用。然而现有的MOT基准数据集对该领域关注不足,限制了其发展。本研究提出了一种涵盖多种体育场景的新型大规模多目标跟踪数据集——SportsMOT,该数据集旨在实现对球场上所有运动员的全程追踪,包含来自篮球、排球和足球三大运动项目的240个视频序列,共计超过15万帧画面(接近 15× MOT17) and over 1 .6M bounding boxes (3× 的MOT17规模)。

2026-06-26 21:12:41 201

原创 2-BoT-SORT:鲁棒关联多行人跟踪(BoT-SORT: Robust Associations Multi-Pedestrian Tracking)

多目标跟踪(MOT)的目标是检测和跟踪场景中的所有目标,同时保持每个目标的唯一标识符。本文提出了一种新的鲁棒跟踪器,它能联合收割机运动和外观信息的优点,沿着摄像机运动补偿,以及一个更精确的卡尔曼滤波器状态向量。我们的新跟踪器BoT-SORT,和BoT-SORT-ReID在MOT 17和MOT 20测试集上的MOTChallenge 数据集中排名第一,就所有主要MOT指标而言:MOTA,IDF 1和HOTA。对于MOT 17:80.5 MOTA,80.2 IDF 1和65.0 HOTA。

2026-06-23 15:35:50 255

原创 1-全方向多目标跟踪(Omnidirectional Multi-Object Tracking)

全景图像凭借其360°的视野范围,能够提供全面信息以支持多目标跟踪(MOT)技术捕捉周围物体的空间与时间关系。然而,大多数MOT算法专为视角有限的针孔图像设计,这限制了其在全景场景中的应用效果。此外,全景图像中存在的分辨率下降、几何形变及光照不均等问题,阻碍了现有MOT方法的直接迁移,导致性能显著下降。为解决这些挑战,我们提出OmniTrack-一个全向MOT框架,该框架整合了轨迹片段管理机制以引入时间线索、FlexiTrack实例用于目标定位与关联,以及CircularStatE模块以缓解图像与几何畸变。

2026-06-23 15:27:06 215

原创 基于深度学习的目标跟踪综述(A review of object tracking based on deep learningq)

随着深度学习技术的快速发展,目标跟踪算法的发展也随之兴起。鉴于目标、骨干网络和应用方法的多样性,本研究旨在综合整合现有的目标跟踪方法。我们提出了一种基于应用场景和主要方法的系统分类方案,伴随着对每个类别的透彻分析和简明摘要。这种方法提供了更广泛的跟踪技术覆盖面,便于新手研究人员更快地理解该领域。此外,我们提出了标准化的评估指标和广泛使用的数据集,包括在相同的基准上对选定算法进行跨方法性能比较,以增强读者对上下文的理解。最后,我们对当前的局限性、实用建议和前瞻性观点进行了批判性评估,以指导未来的研究方向。

2026-06-17 21:24:08 519 1

原创 3-ByteTrack:关联每个检测框的多目标跟踪(ByteTrack: Multi-Object Tracking by Associating Every Detection Box)

多目标跟踪(MOT)的目的是估计视频中目标的边界框和身份。大多数方法通过关联检测分数高于阈值的检测框来获得身份。检测分数低的目标(例如被遮挡的目标)被简单地丢弃,这带来不可忽略的真实目标丢失和碎片轨迹。为了解决这个问题,我们提出了一种简单的,有效的通用关联方法,通过关联几乎每个检测框而不是仅关联高分检测框来进行跟踪。对于低分检测框,我们利用它们与tracklet的相似性来恢复真实对象并过滤掉背景检测。

2026-06-16 10:35:12 245

原创 7CoopTrack:探索有效合作顺序感知的端到端学习(CoopTrack: Exploring End-to-End Learning for Efficient Cooperative Sequ)

协同感知旨在通过多个智能体之间的信息交换来解决单车辆自动驾驶系统的固有局限性。以前的研究主要集中在单帧感知任务上。然而,更具挑战性的协同顺序感知任务,如协同3D多目标跟踪,尚未得到深入研究。因此,我们提出了CoopTrack,一个完全实例级的端到端协作跟踪框架,具有可学习的实例关联,这与现有方法有根本区别。CoopTrack传输稀疏的实例级特征,显著增强感知能力,同时保持低传输成本。

2026-06-15 14:07:23 314

原创 5MeMOTR:用于多目标跟踪的长期记忆增强Transformer(MeMOTR: Long-Term Memory-Augmented Transformer for Multi-Object T)

多目标跟踪(MOT)作为一种视频任务,期望能够有效地捕捉目标的时间信息,但现有的方法大多只利用相邻帧间的目标特征,缺乏对目标长时间信息建模的能力。一个长期的记忆增强Transformer,对象跟踪。我们的方法是能够使同一个对象的跟踪嵌入更稳定和可区分的,通过利用长期记忆注入与定制的在DanceTrack上的实验结果表明,MeMOTR在HOTA和AssA指标上分别比现有方法高出7.9%和13.0%,在MOT 17上的关联性能也优于其他基于transformer的方法,在BDD 100 K上也有很好的推广效果。

2026-06-12 14:03:30 275

原创 字节轨道:通过关联每个检测框进行多目标跟踪(ByteTrack: Multi-Object Tracking by Associating EveryDetection Box)

多目标跟踪(MOT)的目的是估计视频中目标的边界框和身份。大多数方法通过关联得分高于阈值的检测盒来获得身份。检测分数较低的对象,例如遮挡的对象,直接被丢弃,这带来了不可忽略的真对象缺失和碎片化轨迹。为了解决这个问题,我们提出了一种简单、有效和通用的关联方法,通过关联几乎每个检测框来跟踪,而不是仅仅关联得分高的检测框。对于分数较低的检测框, 我们利用它们与tracklets的相似性来恢复真实物体,并过滤掉背景检测。当应用于9种不同的最先进的跟踪器时,我们的方法在1到10分的IDF1得分上取得了一致的提高。

2026-06-10 19:31:15 215

原创 10-MITracker:用于视觉目标跟踪的多视图集成(MITracker: Multi-View Integration for Visual Object Tracking)

多视图目标跟踪(MVOT)为解决传统单视图跟踪中常见的遮挡和目标丢失等问题提供了有希望的解决方案。然而,由于缺乏全面的多视图数据集和有效的跨视图集成 方法,进展受到限制。为了克服这些限制,我们编译了一个234K高质量注释帧的多视图对象跟踪(MVTrack)数据集,其中包含27个不同场景中的不同对象。结合该数据集,我们引入了一种新的MVOT方法,多视图集成跟踪器 (MITracker),以有效地集成多视图目标特征并提供稳定 的跟踪结果。MI-Tracker可以从任意视点跟踪任意长度视频帧中的任何物体。

2026-06-09 10:56:02 267

原创 4-多目标跟踪的轨迹长尾分布研究(DelvingintotheTrajectoryLong-tailDistributionforMuti-objectTracking)

多目标跟踪(MOT)是计算机视觉中的一个关键领域, 具有广泛的实际实现。目前的研究主要集中在跟踪算法的开发和后处理技术的增强上。然而,关于跟踪数据 本身的性质,一直缺乏彻底的检查。在这项研究中,我们对跟踪数据的分布模式进行了探索,并在现有的MOT 数据集中发现了一个明显的长尾分布问题。我们注意到 不同行人的轨迹长度分布存在显著的不平衡,我们将这 种现象称为“行人轨迹长尾分布”。为了应对这一挑战, 我们引入了一种定制策略,旨在减轻这种倾斜分布的影 响。

2026-06-06 17:17:24 263

原创 DETR在实时目标检测方面击败YOLO(DETRs Beat YOLOs on Real-time Object Detection)

YOLO系列由于其在速度和准确性之间的合理平衡而成为实时目标检测的最流行框架。然而,我们观察到YOLO的速度和准确性受到NMS的负面影响。最近,基于端到端变压器的检测器(DETR)提供了消除NMS的替代方案。然而,本文提出了一种实时检测Transformer器(RT-DETR),该变换器具有实时性好、运算量小、易于实现等优点,RT-DETR是我们所知的第一个实时端到端目标检测器,它解决了上述难题。

2026-06-02 15:38:44 255

原创 利用零拍摄昼夜域自适应增强目标检测(Boosting Object Detection with Zero-Shot Day-Night Domain Adaptation)

在低光照场景中检测物体是一个持续的挑战,因为在光照良好的数据上训练的检测器由于低可见度而在低光照数据上表现出显著的性能下降。以前的方法通过探索具有真实的低光照图像数据集的图像增强或物体检测技术来缓解这个问题。然而,该进展受到关于收集和注释低光图像的固有困难的阻碍。为了应对这一挑战,我们提出了一种基于零拍摄昼夜域自适应的微光目标检测方法,其目的是将检测器从光照良好的场景推广到微光场景,而不需要真实的微光数据。

2026-06-01 16:39:53 269

原创 显著性DETR:基于分层显著性滤波细化的Transformer检测增强(Salience DETR: Enhancing Detection Transformer with Hierarchica)

DETR类方法以端到端的方式显著提高了检测性能,主流的两阶段框架执行密集的自注意,并选择一部分查询进行稀疏的交叉注意,这被证明可以有效地提高性能,但也带来了沉重的计算负担和对稳定查询选择的高度依赖。本文证明了次优的两个-为了解决两阶段初始化中所选查询和对象之间的不匹配,阶段选择策略导致尺度偏差和冗余。为了解决这些问题,我们提出了分层显著性过滤细化,它只对过滤后的判别查询执行Transformer编码,为了在计算效率和精度之间取得更好的平衡,过滤过程通过一种新的与尺度无关的显著性监督来克服尺度偏差。

2026-05-30 16:32:28 250

原创 YOLO-World:实时开放词汇对象检测(YOLO-World: Real-Time Open-Vocabulary Object Detection)

YOLO(You Only Look Once)系列检测器已经成为高效实用的工具。然而,它们依赖于预定义和训练的对象类别,限制了它们在开放场景中的适用性。针对这一限制,我们引入了YOLO-World,这是一种创新方法,通过视觉语言建模和大规模数据集的预训练来增强YOLO的开放词汇检测能力。具体来说,提出了一种新的可重参数化的视觉语言路径聚合网络(RepVL-PAN)和区域-文本对比度损失,以促进视觉和语言信息之间的交互。我们的方法在零拍摄方式下以高效率检测广泛的对象方面表现出色。

2026-05-29 11:07:56 267

原创 全方位多目标跟踪(Omnidirectional Multi-Object Tracking)

全景图像具有360°的视场,为多目标跟踪(MOT)提供了全面的信息,可以捕捉周围物体的空间和时间关系,但大多数MOT算法都是针对视野有限的针孔图像定制的,影响了它们在全景环境中的有效性。此外,全景图像的失真,如分辨率损失、几何变形和光照不均匀,为了解决这些挑战,我们提出了OmniTrack,一个全方位的MOT框架,它结合了Tracklet管理来引入时间线索,和CircularStatE模块,以减轻图像和几何失真。

2026-05-28 19:04:49 235

原创 SDDGR:基于稳定扩散的深度生成重放,用于类增量对象检测(CVPR 2024)

在类增量学习(CIL)领域,随着生成模型的不断改进,生成重放作为一种减轻灾难性遗忘的方法越来越受到重视,但其在类增量目标检测(CIOD)中的应用受到了很大的限制,主要原因是涉及多个标签的场景的复杂性。我们提出了一种新的CIOD方法,称为稳定扩散深度生成重放(SDDGR)。我们的方法利用基于扩散的生成模型和预先训练的文本到图像扩散网络来生成逼真和多样化的合成图像。SDDGR结合了迭代细化策略,以产生高质量的图像。包含旧类的高质量图像。此外,我们采用L2知识蒸馏技术来提高合成图像中先验知识的保留。

2026-05-26 21:13:15 275

原创 Mr. DETR++:混合专家为检测Transformer提供指导性多路线培训(CVPR 2025)

现有方法通过引入辅助的一对多分配来增强检测Transformer的训练。在这项工作中,我们将模型视为一个多任务框架,同时执行一对一和一对多预测。我们在这两个训练目标上研究了Transformer解码器中每个组件的作用,包括自注意、交叉注意和前馈网络。我们的实证结果表明,即使在共享其他组件的情况下,解码器中的任何独立组件都可以有效地同时学习两个目标。这一发现促使我们提出了一种多路径训练机制,其特征是用于一对一预测的主路径和用于一对多预测的两个辅助训练路径。

2026-05-25 15:03:10 392

原创 SinSR:基于扩散的单步图像超分辨率(SinSR: Diffusion-Based Image Super-Resolution in a Single Step)

基于扩散模型的超分辨率(SR)方法具有良好的效果,但其实际应用受到大量推理步骤的限制。最近的方法利用初始状态下的退化图像,从而缩短马尔可夫链。然而,这些解决方案要么依赖于精确的退化过程公式,要么仍然需要相对较长的生成路径(例如,15次迭代)。为了提高推理速度,我们提出了一种简单而有效的方法来实现单步SR生成,称为SinSR。具体地说,首先,我们从最新的用于加速基于扩散的SR的最先进的(SOTA)方法导出确定性采样过程。分辨率的图像,以获得在减少和可接受的推理步骤数在训练过程中。

2026-05-19 09:21:45 384

原创 硅人群的智慧:LLM集成预测能力可与人类人群准确性相媲美(Wisdom of the silicon crowd: LLM ensemble prediction capabilities riva)

人类预测的准确性通过“群体智慧”效应来提高,在这种效应中,聚合的预测往往优于单个预测。过去的研究表明,与人类群体聚合相比,单个大型语言模型(LLM)往往表现不佳。我们用LLM模拟了群体智慧效应。具体来说,我们使用12个LLM的集合对31个二元问题进行概率预测,将它们与925名人类预测者在3个月的比赛中所做的预测进行比较。我们表明,LLM人群的表现优于无信息基准,并且在统计上与人类人群无法区分。我们还观察到类似人类的偏见,例如默许偏见。

2026-05-18 09:33:28 183

原创 尺度感知人群计数的空间自适应金字塔特征融合(Spatially adaptive pyramid feature fusion for scale-aware crowd counting)

人群计数是一个具有挑战性的任务,预测拥挤场景中的人数。主要的挑战来自于单个图像中的密度/尺度变化,这导致大多数方法的性能显着下降。在这项工作中,我们的目标是探索如何在分割任务的帮助下解决尺度变化问题。我们首先同时预测粗略的密度图,沿着多尺度分割模板,提供了不同尺度的背景和头部区域的强先验信息,然后提出了一种空间自适应金字塔(SAP)特征融合块,将粗密度图和多尺度分割模板充分融合;在SAP中,针对多尺度头部区域获得特征金字塔和对应注意力金字塔,然后计算跨尺度相关来处理尺度变化问题。

2026-05-13 09:58:43 357

原创 智能监控系统中人群计数的联邦学习(Federated Learning for Crowd Counting in Smart Surveillance Systems)

智能监控系统中的人群计数在物联网(IoT)和智慧城市中起着至关重要的作用,并且可以影响公共安全、人群管理和城市规划等各个方面。使用监控数据集中训练人群计数模型会引起严重的隐私问题。传统方法试图通过减少对个人的关注来缓解这种担忧,但这一担忧仍需彻底解决。在这项工作中,我们开发了一种水平联邦学习(HFL)框架来训练同时保护隐私的人群计数模型。该框架使智能监控系统能够从模型聚合中学习,而无需访问存储在本地的隐私数据。

2026-05-11 16:17:35 419

原创 群体事件中群体异常行为的检测与量化(DetectingandQuantifyingCrowd-LevelAbnormalBehaviors inCrowdEvents)

人群异常行为(crowd-levelanomalbehaviors,CAB)是导致群体灾难的重要原因,不同于个体异常行为,在局部观察时,CAB通常不会表现出与正常行为的显著差异,并且CAB的规模可能因场景而异为了从视频监控中量化这些CAB的风险水平,本文提出了一种改进的用于CAB检测的人群运动学习框架--多尺度运动一致性网络提出了一种基于双注意力融合的多尺度感知算法(MSMC-Net),我们提出了一种评估方法,以量化检测到的CAB的风险水平为基础,从我们的MSMC生成的异常评分-风险量化采用在线累积的方式进

2026-05-09 14:47:50 416

原创 数据驱动的学习,以增强苦恼人群动力学的动力学模型(Data driven learning to enhance a kinetic model of distressed crowd dynam)

群体的数学建模是复杂的,因为群体具有根据环境发展和调整移动策略的行为能力。例如,在紧急情况下,人们倾向于改变他们的行走策略以应对恐惧。为了能够模拟这些情况,我们考虑了一个以压力水平为参数的人群动力学动力学模型,并提出通过求解一个逆人群动力学问题来估计这个关键参数。阐述了这一数学问题,并给出了一种数值求解方法,给出了一些基于合成数据集的初步结果,即,通过求解一个向前的人群动力学问题,在已知确切应力水平和人群密度数据的情况下,给出了测试用例。

2026-05-07 20:52:19 347

原创 用于人群统计的超分辨率信息增强

在本文中,我们提出使用SR任务作为辅助任务来增强特征空间中的细节信息。具体来说,我们提出了一个多尺度超分辨率模块(MSSRM),它使网络能够生成HR密度图。MSSRM工作在训练阶段,即使在给定LR图像的情况下,也可以指导网络估计可靠的细节。它可以在推理阶段被删除,在不改变原有网络结构的前提下,弥补了图像模糊带来的细节损失,进一步将MSSRM与主流骨干网络相结合,提出了多尺度超分辨率引导网络(MSSRGN),并在LR环境下对MSSRGN的计数性能进行了测试,以评估该方法的有效性。

2026-05-06 10:56:30 376

原创 SENet:用于人群计数的超分辨率增强网络

现有的人群计数方法主要关注人群规模、密度和分布的变化,而忽略了低分辨率(LR)图像带来的挑战,由于LR图像中包含的人群细节极其有限,人群和背景之间存在严重的混淆,现有方法难以准确地从LR图像中提取和聚合细节信息,为了克服上述问题,我们提出了一种超分辨率增强网络(SENet)来减轻LR对计数性能的影响。SENet由超分辨率增强模块(SREM)和特征耦合模块(FCM)组成。

2026-05-05 10:11:23 352

原创 基于轻量级神经网络的人群计数:一个文献综述

人群计数是指估计特定区域内的人数的任务,它提供了对人群动态和分布的见解。该任务在公共安全、城市规划、交通管理等领域有着广泛的应用。深度学习的最新进展,特别是卷积神经网络和Transformer架构,以及多模态预训练模型,如CLIP和SAM,大幅提高了计数精度。然而,现有的模型主要是基于高复杂度的架构进行设计的,这会带来巨大的计算和数据需求,并阻碍实时部署和增加成本。因此,轻量级的人群计数方法已经成为一个关键的研究方向,其目的是在保持高性能的同时减少参数和推理时间。

2026-04-28 10:25:43 431

原创 CCTWINS:一种具有自适应场景一致性关注度的弱监督变压器人群计数方法

最近,人群计数吸引了人们的极大关注,特别是在新冠肺炎大流行的背景下,因为它能够自动在图像中提供准确的人群数字。为了解决位置级别标记的挑战,已经提出了几种基于Transformer的人群计数方法,但只进行计数级别的监督。然而,这些方法直接使用Transformer作为编码器,没有考虑人群分布的不均匀。针对这一问题,我们提出了一种新的基于Transformer的只有计数级监督的人群计数方法CCTWINS。

2026-04-24 21:15:42 380

原创 类别-对比细粒度人群计数和超越

人群计数在各个领域引起了越来越多的关注。然而,现有的人群计数任务主要集中在估计总体人群,而忽略了人群中不同社会群体的行为和语义信息。在本文中,我们的目标是解决一个新提出的研究问题,即细粒度人群计数,该问题涉及识别不同类别的个体并在静态图像中对其进行准确的计数。为了充分利用静态人群图像中的类别信息,我们提出了一种两层显著特征传播模型,用于从人群及其周围环境中顺序地提取语义信息;此外,我们引入了类别差异损失来通过突出不同人群类别之间的差异来细化特征表示。

2026-04-23 20:43:12 423

原创 弱监督群体计数与定位的群体规模与分布学习

弱监督人群计数中使用的计数监督来源于点注释的数量,这意味着不能有效降低标注成本。此外,由于在训练过程中缺乏行人的空间信息,以前的作品很难准确地学习到个体的位置。为了解决这些挑战,我们提出了一种基于场景特定合成数据的人群计数和定位方法,用于监控场景,该方法可以准确预测人的数量和位置,而无需任何手动标记的点或计数注释。我们的方法通过学习人群规模和分布,动态调整特定场景的合成数据,以最大限度地减少与监控场景的域差异。

2026-04-21 10:16:56 380

原创 CATANet:用于轻量级图像超分辨率的高效内容感知令牌聚合

基于变换(Transformer)的方法在低层视觉任务中表现出令人印象深刻的性能,例如图像超分辨率(SR)。然而,其计算复杂度随着空间分辨率的增加而呈二次曲线增长。一系列工作试图通过将低分辨率图像划分为局部窗口、轴向条纹或扩张窗口来缓解这一问题。SR通常利用图像的冗余性进行重建,这种冗余性不仅出现在局部区域,而且还出现在远程区域。然而,这些方法将注意力计算限制在与内容无关的局部区域,直接限制了注意力捕获远程依赖的能力。为了解决这些问题,我们提出了一种轻量级内容感知令牌聚合网络(CATANet)。

2026-04-18 10:35:55 388

原创 弱光条件下行人检测:一项综合研究

行人检测仍然是计算机视觉、监视和自动驾驶等各个领域的关键问题。特别是,在低光照条件和能见度降低的情况下,对行人进行准确、即时的检测,对于自动驾驶汽车预防事故和挽救生命至关重要。本文旨在全面调查专门针对弱光条件的各种行人检测方法、基线和数据集。该调查讨论了夜间行人检测所面临的挑战,并探讨了近年来为解决这一问题而提出的最先进的方法。这些方法涵盖了各种各样的方法,包括基于深度学习的、基于特征的和混合的方法,这些方法在增强具有挑战性的照明条件下的行人检测性能方面显示出了有希望的结果。

2026-04-17 09:10:34 455

原创 多目标跟踪作为ID预测

我们已经介绍了将多目标跟踪作为上下文ID预测任务来处理,这简化了训练和跟踪过程。基于此,我们提出了一种简单而有效的基线设计——MOTIP。令人惊讶的是,我们的方法在所有基准测试中都超过了最先进的水平。

2026-04-11 21:02:32 380

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除