LocNet: Improving Localization Accuracy for Object Detection

本文介绍了一种改进目标检测中检测框与实际目标吻合度的方法,特别适用于高IOU场景。该方法通过给搜索区域分配概率来提高检测精度,并在IOU大于0.65时表现出色。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

这篇论文主要目的是提升检测框与目标的吻合度,特别是当IOU比较大时。之前主要使用bbox回归的方法,作者通过给搜索区域的每列或每行,或在目标bbox内分配概率解决,如下图所示:

这里写图片描述

检测方法步骤:1.给定候选框,分配置信度;2.给定候选框,放大得到搜索区域,迭代得到新的更接近目标的候选框,算法流程如下:

这里写图片描述

给定搜索区域R,划分成M个水平区域和竖直区域,返回每个区域的条件概率,考虑了In-Out概率和边界概率两个条件概率,主要是这两个信息对检测结果更有用。作者构建的检测模型即LocNet如下图所示:
这里写图片描述

检测结果:结果主要是在IOU>0.65时与bbox回归相比,与实际目标的吻合度更高,这个方法对于需要精确目标位置的应用应该有帮助,matlab代码可以试试:https://github.com/gidariss/LocNet
这里写图片描述

评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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