Confluence:A Robust Non-IoU Alternative to NMS in Object Detection论文记录

最新推荐文章于 2021-01-27 09:41:24 发布
原创 最新推荐文章于 2021-01-27 09:41:24 发布 · 276 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习

本文介绍了一篇关于Confluence的论文，提出了一种在目标检测中替代传统NMS的鲁棒方法。论文详细探讨了其原理及在PyTorch中的实现，并强调了Confluence在提高精度和性能上的优势。
部署运行你感兴趣的模型镜像

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

深度学习论文: Confluence: A Robust Non-IoU Alternative to NMS in Object Detection及其PyTorch实现
mingo_敏
01-04 1152
Confluence: A Robust Non-IoU Alternative to Non-Maxima Suppression in Object Detection PDF: https://arxiv.org/pdf/2012.00257.pdf PyTorch: https://github.com/shanglianlm0525/PyTorch-Networks PyTorch: https://github.com/shanglianlm0525/CvPytorch 1 概述 2 NMS的演
解决 Maven 编译错误：Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:3.13.0问题
2301_76541209的博客
11-07 1万+
通过上述方法，您可以解决由于 Maven 版本不兼容导致的编译错误。建议优先考虑升级 Maven 版本，这样不仅可以解决当前的问题，还可以享受新版 Maven 带来的其他好处。如果无法立即升级 Maven，可以选择降级 Spring Boot 版本或显式指定一个兼容的版本。希望这些信息对您有所帮助！如果您有其他问题，请随时提问。
你的NMS该换了！Confluence：实现更准、更强的目标检测
阿木寺的博客
12-13 1094
点击上方“CVer”，选择加"星标"置顶重磅干货，第一时间送达本文转载自：AI人工智能初学者论文：https://arxiv.org/abs/2012.00257本文提出...
Confluence: A Robust Non-IoU Alternative toNon-Maxima Suppression in Object Detection 论文学习
calvinpaean的博客
01-25 587
Abstract 针对目标检测边框选取和抑制问题，本文提出了一个可以替代NMS的新方法。该方法 Confluence 不依赖于边框的置信度得分来选取最佳边框，它也不需要 IOU 来去掉错误的候选框。它使用曼哈顿距离，在 cluster 内，选择距离其它所有边框最接近的边框，去掉高度融合的相邻边框。因此，Confluence 是一种新的边框选择与抑制方法，因为它的基础原理与NMS等方法本质上不一样。Confluence 在MS COCO 和 PASCAL VOC 2007 数据集上，通过 RetinaNet、
Confluence:目标检测中非最大值抑制的鲁棒非IoU替代方案
05-26
Confluence: A Robust Non-IoU Alternative to Non-Maxima Suppression in Object Detection 1. 介绍 用以替代 NMS，在所有 bbox 中挑选出最优的集合。 NMS 仅考虑了 bbox 的得分，然后根据 IOU 来去除重叠的 bbox。而 Confluence 则是利用曼哈顿距离作为 bbox 之间的重合度，并根据置信度加权的曼哈顿距离还作为最优 bbox 的选择依据。 2. 算法原理 2.1 曼哈顿距离 两点的曼哈顿距离就是坐标值插的 L1 范数： 推广到两个 bbox 对的哈曼顿距离则为： 该算法便是以曼哈顿距离作为两个 bbox 的重合度，曼哈顿距离小于一定值的的 bbox 则被认为是一个 cluster。 2.2 归一化 因为 bbox 有个各样的 size 和 position，所以直接计算曼哈
Confluence
wonderful_boy的博客
01-27 523
Confluence: A Robust Non-IoU Alternative to Non-Maxima Suppression in Object Detection 【导语】主要介绍 Confluence: A Robust Non-IoU Alternative to Non-Maxima Suppression in Object Detection 这篇论文的原理，并复现了算法。觉得有些地方原文没有讲的很明白，在复现过程中才搞懂。不过目前复现算法的运行速度较慢，如果哪位小伙伴有更好的复现，记得
算法5(被围绕的区域)
GZAY的博客
09-11 407
被围绕的区域 题目描述 给定一个二维的矩阵，包含 ‘X’ 和 ‘O’（字母 O）。 找到所有被 ‘X’ 围绕的区域，并将这些区域里所有的 ‘O’ 用 ‘X’ 填充。 示例: X X X X X O O X X X O X X O X X 运行你的函数后，矩阵变为： X X X X X X X X X X X X X O X X 解释: 被围绕的区间不会存在于边界上，换句话说，任何边界上的 ‘O’ 都不会被填充为 ‘X’。 任何不在边界上，或不与边界上的 ‘O’ 相连的 ‘O’ 最终都会被填充为 ‘X
精选资源
confluence-html-to-md:Confluence 导出 html 到 Markdown 转换器
06-25
Confluence 导出 html 到 Markdown 转换器 安装 npm i -g princed/confluence-html-to-md 用法 在包含从 Confluence 导出confluence-html-to-md文件夹中运行confluence-html-to-md 。
Atlassian-Confluence-Trojan:Atlassian-Confluence-Trojan
05-17
Atlassian-Confluence-Trojan Ref: Atlassian-Confluence-Trojan Get a shell by deploy this Trojan-Marco 制作方法: 先将quote-macro-1.0.jar解压 将 UpdateMethod.java 中的{path}替换为目录的绝对路径 然后...
confluence
浪缘的专栏
03-23 797
http://baike.baidu.com/view/1431548.htm
非极大值抑制（Non-Maximum-Suppression）
08-01
对于有相交的就选取其中置信度最高的一个作为最后结果，对于没相交的就直接保留下来，作为最后结果。
nonMaximaSuppression
cuglxw的专栏
08-21 665
  /*   * Software License Agreement (BSD License)   *   * Copyright (c) 2012, Willow Garage, Inc.   * All rights reserved.   *   * Redistribution and use in source and...
Confluence：物体检测中不依赖IoU的NMS替代算法论文解析
AI公园
12-23 909
点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”导读基于IoU的NMS实际上是一种贪心算法，这种方法得到的结果往往不是最优的，Confluence给出了另一种选择。论文地址：h...
目标检测--NMS
qq_41332469的博客
11-07 510
NMS（non-maximum suppression）非最大值抑制，用于剔除图像中检出的冗余bbox。 流程 step-1：将所有检出的output_bbox按cls score划分（如pascal voc分20个类，也即将output_bbox按照其对应的cls score划分为21个集合，1个bg类，只不过bg类就没必要做NMS而已）； step-2：在每个集合内根据各个bbox的cls s...
基于轮廓的匹配算法(强,可在重叠堆积物体中识别)
数学屌丝走在it的道路上
08-14 1万+
(转) 这是一篇印度软件工程师的无私奉献! 非常具备参考价值! 如果能完成旋转匹配更接近于实用性. 当然要完成全角度匹配的难度是要量级数的提升. Download source - 140 KBDownload demo - 138 KB Introduction Template matching is an image processing p
Object Detection(目标检测神文)
热门推荐
Mars_WH的专栏
08-21 7万+
目标检测神文，非常全而且持续在更新。转发自：https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html，如有侵权联系删除。 Papers ———————————————————————————————————- Deep Neural Networks for Object Detection Ov...
深度学习CV文章整理
DJames23的博客
05-14 7504
1.目标检测 1.HDD-Net：具有hand-crafted和学习到的混合特征检测器和描述符 在图像匹配和3D重建等任务上，优于R2D2、D2-Net、SuperPoint和SIFT等，作者团队：帝国理工学院&华为诺亚实验室&慕尼黑工业大学 2.CVPR 2020 | 商汤提出SEPC：应对尺度变化的目标检测新算法 3.DBFace升级，模型仅1.3M的轻量级高精度人脸检测模型 4.RetinaMask：人脸口罩检测新网络 5.目标检测 | 解决小目标检测！多尺度方法汇总 6.PSDet+
graph TD classDef startend fill:#F5EBFF,stroke:#BE8FED,stroke-width:2px classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px classDef decision fill:#FFF6CC,stroke:#FFBC52,stroke-width:2px A([开始]):::startend --> B(初始化参数):::process B --> C(中子循环):::process C --> D(位置初始化):::process D --> E(碰撞循环):::process E --> F(生成随机方向):::process F --> G(计算位移分量):::process G --> H(更新位置):::process H --> I{判断穿透屏障?}:::decision I -->|是| J(穿透计数加1):::process I -->|否| E J --> K{是否所有中子模拟完毕?}:::decision E --> K K -->|否| C K -->|是| L(计算穿透比例):::process L --> M(输出结果):::process M --> N([结束]):::startend 帮我生成它的结构框图
最新发布
10-15
- Confluence + Mermaid 宏 --- ### 小贴士：什么是“结构框图”？ 你所说的“结构框图”通常指： - 流程图（Flowchart）✅ —— 当前就是这种 - 模块结构图（Structure Chart） - 数据流图（DFD） 而你的原始...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值