【目标检测系列：五】2018 CVPR IoU-Net 论文阅读解析总结

最新推荐文章于 2024-03-06 14:50:21 发布
原创 最新推荐文章于 2024-03-06 14:50:21 发布 · 691 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：

#Acquisition of Localization Confide #cvpr #IoU-Net #IOU

IoU-Net解决目标检测中分类置信度高但定位不准的问题，通过联合训练优化定位。文章介绍了IoU-Net的结构，包括ResNet-FPN、精确RoI池化和IoU预测器。训练过程使用smooth-L1损失，IoU标签归一化。在推断阶段，IoU指导的NMS优化边界框选择，提高检测准确性。

2018 CVPR

Acquisition of Localization Confidence for Accurate Object Detection

PreciseRoIPooling 代码
ECCV 2018 | 旷视科技 Oral 论文解读：IoU-Net 让目标检测用上定位置信度

参考的一篇博客

建议先自己看一遍论文，然后再看下面的总结

IoU-Net

解决问题 ： nms 过程中，是挑选 分类置信度最大的值的框，但是它不一定框的准

Two drawbacks in object localization

  • the misalignment between classification confidence and localization accuracy
  • the non-monotonic bounding box regression

joint training

  • Backbone
    ResNet-FPN

  • FPN

  • Precise RoI Pooling

  • Head
    works in parallel
    based on the same visual feature from the backbone

    • IoU predictor
    • R-CNN
      • classification and regression brance take 512 RoIs per image from RPNs
最低0.47元/天 解锁文章
3D目标检测入门：PointPillars算法原理与实现
AI天才研究院
04-14 2646
3D目标检测是自动驾驶、机器人导航和增强现实等领域的核心技术。与2D目标检测相比，3D检测能够提供物体的空间位置、尺寸和朝向等更丰富的信息。本文旨在深入浅出地介绍PointPillars这一高效的3D目标检测算法，帮助读者理解其原理并掌握实现方法。本文首先介绍3D目标检测的背景和PointPillars的概况，然后深入解析算法原理和架构。接着通过数学建模和代码实现展示具体细节，最后讨论应用场景和未来发展方向。点云(Point Cloud)：一组三维空间中的点，通常由激光雷达(LiDAR)采集。
【CVPR2024 RT-DETR 全文解读】实时目标检测更快更准、帮助你更好去理解、适合小白快速入门了解RT-DETR模型
最新发布
Ai缝合怪、助力小伙伴高效发论文
09-10 1154
本文提出RT-DETR，首个兼顾实时性和端到端特性的Transformer目标检测器。针对YOLO系列受NMS影响速度精度下降，以及DETRs计算成本高的问题，RT-DETR通过高效混合编码器解耦尺度内交互和跨尺度融合加速处理，并采用最小不确定性查询选择提升初始查询质量。实验表明，RT-DETR-R50/R101在COCO上分别达到53.1/54.3 AP，在T4 GPU上108/74 FPS，全面超越YOLO系列。RT-DETR还支持灵活调整解码层数以适应不同场景需求。
IoU-Net论文笔记
echo_hao的博客
08-22 530
很多基于CNN的目标检测算法都依赖于回归框和非极大抑制来定位物体。虽然对于分类标签的概率自然地影响分类置信度，但是定位的置信度是缺失的。这就会使边界框在迭代回归中退化甚至在非极大值抑制期间被抑制。文章提出了IoU-Net来预测每个检测边界框和ground-truth的IoU。整个网络获得了边界框的置信度，这样可以改善非极大值抑制过程。而且，文章还提出了一种边界框优化方法。这种方法取得...
IoU-Net
u012060535的博客
09-05 897
Acquisition of Localization Confidence for Accurate Object Detection 获得定位置信度以更精确地检测目标 让目标检测用上定位置信度 目标检测涉及到目标分类和目标定位，但很多基于 CNN 的目标检测方法都存在分类置信度和定位置信度不同的问题。针对这一问题，一种称之为 IoU-Net 的目标检测新方法被提出，在基准方法的基础上实现...
目标检测论文阅读：IoU Net
思矣远矣
09-25 937
Acquisition of Localization Confidence for Accurate Object Detection 论文链接：https://arxiv.org/abs/1807.11590 代码链接：https://github.com/vacancy/PreciseRoIPooling (PreciseRoIPooling部分) 之前在分享Cascade R-CNN的时候...
Precise
weixin_34307464的博客
02-07 248
2009年1月14日，全球领先的交易性能管理解决方案提供商Precise宣布，Precise中国办事处正式成立。Precise将在中国继续倡导“交易性能管理（TPM, Transaction Performance Management）”。 Precise TPM提供出色的交易透明度和最快的修复...
目标检测 IoU、GIoU、DIoU、CIoU、EIoU
scott198512的博客
04-04 1万+
目标检测常用边界框IOU对比
【论文解析】基于Anchor-free的一阶段经典目标检测算法FCOS
weixin_43937010的博客
03-06 2112
作者提出了一种基于anchor-free的one-stage全卷积目标检测网络FCOS，以逐像素预测的方式解决对象检测，类似于其他密集预测问题，如语义分割。与我们常见的基于anchor-based的目标检测网络RetinaNet、SSD、YOLOv3和Faster R-CNN等架构相比，FCOS模型消除了预先设定的锚框（anchor box），也就避免了与锚盒相关的复杂计算（设定的超参数，训练过程中IOU的计算）。
SCHP（CVPR2019）-人体解析论文阅读
持续关注并分享目标检测、数据生成、视频驱动、跨模态、分割、关键点等领域前沿技术
08-09 3573
SCHP自纠正人体解析算法，CVPR2019 LIP挑战赛第一名
【目标检测算法】IOU、GIOU、DIOU、CIOU
weixin_44001371的博客
12-07 1658
IOU --> GIOU --> DIOU -->CIOU损失函数，每一种损失函数都较上一种损失函数有所提升。下面来具体介绍这几种损失函数。CIOU的对比重叠面积、中心点距离、纵横比IoU: 考虑了重叠面积，归一化坐标尺度GIoU： 考虑了重叠面积，基于IoU解决边界框不相交时loss等于0的问题。DIoU： 考虑了重叠面积、中心点距离，基于IoU解决GIoU收敛慢的问题CIoU： 考虑了重叠面积、中心点距离、纵横比，基于DIoU提升回归精确度。
目标检测中的预测框回归优化之IOU、GIOU、DIOU、CIOU和EIOU
哆啦A梦爱学习的博客
03-16 1万+
点击上方“码农的后花园”，选择“星标”公众号精选文章，第一时间送达目标检测分为：目标分类+目标定位两个任务。目标分类就是要对该目标进行分类以确定该目标属于什么类别以及其属于该类别的置信度......
论文笔记：IOUnet
水不在深有江的博客
08-24 1万+
作者指出，目前主流的目标检测网络都由两步完成：目标分类和目标定位。首先从背景中找出前景的object proposal并将其分配上合适的分类标签，然后通过最大化IOU或者其他检测结果和ground truth之间的度量标准来进行对定位目标的系数回归。最后多余的bounding box会通过NMS去除。 分类和定位在这样的检测流水线上被不同的处理，每种分类标签是proposal的“classifi...
CVPR 2019 目标检测论文汇总
weixin_45337440的博客
10-23 563
CVPR 2019 目标检测论文汇总（0506更新中）极市平台​已认证的官方帐号84 人赞同了该文章前段时间，计算机视觉顶会CVPR 2019 公布了接收结果，极市也对此做了相关报道 ，目前官方公布了接收论文title列表，极市已汇总目前公开的大部分paper及code：https://github.com/extreme-assistant/cvpr2019 。 点击此处加入极市开发者调研群获取...
【论文阅读】Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression
qq_38333323的博客
11-22 4837
主要内容 文章提出两个Loss ：Distance-IoU(DIoU) Loss和Complete IoU(CIoU) Loss用于目标检测的Bbox回归，并与IoU Loss和GIoU Loss做了对比，比这两个收敛得更快、更准。此外，DIoU很容易用在NMS中。 Loss 先简单回顾一下IoU Loss和GIoU Loss，再说明文章提出的DIoU Loss和CIoU Loss IoU 先说说...
目标检测 - IoU-Net 直观深入理解
Snoopy_Dream
03-16 1131
具体的研究背景可以参看这两篇，我这里只说一下我的直观理解。 这两篇文章前因后果讲的可以，但是总觉得到底实现的过程是怎么样的，以及怎么给人一个直观的流程的感受，没有说到。 推荐大家先看这两篇，然后再看看我的这篇，欢迎大家讨论。 https://blog.csdn.net/u014380165/article/details/82025507 https://www.jiqizhixin.co...
【CVPR2019_论文汇总】（按方向划分，0401 更新中）
热门推荐
maweifei的博客
04-01 3万+
转载链接：http://bbs.cvmart.net/topics/302/cvpr2019paper 作为计算机视觉领域三大顶会之一，CVPR2019（2019.6.16-6.19在美国洛杉矶举办）被CVers 重点关注。目前CVPR 2019 接收结果已经出来啦，相关报道：1300篇！CVPR2019接收结果公布，你中了吗？ 开设此帖希望可以实时跟进CVPR2019的即时信息及相关优秀论文，...
AAAI 2020:北大开源算法姿态辅助多摄像机协作以进行主动对象跟踪
图像算法Imalg的博客
01-17 1241
我们知道主动对象跟踪（AOT）对于许多基于视觉的应用程序至关重要，例如移动机器人，智能监控。但是，在复杂场景中部署主动跟踪时存在许多挑战，例如，目标经常被障碍物遮挡，这篇paper描述将单摄像机AOT扩展到多摄像机设置，其中摄像机以协作方式跟踪目标。 为了实现摄像机之间的有效协作，作者提出了一种新颖的PoseAssisted多摄像机协作系统，该系统可以通过共享摄像机姿势进行主动...
YOLOV3模型优化系列（二）CIOU-Loss YOLOV3介绍
ltshan139的专栏
01-13 9073
前言 CIOU-loss yolo3是该论文《Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression》提出来的。该文章于2019年11月正式发表出来，文章题目是DIOU Loss，其实它提出了两个IOU Loss：DIOU和CIOU。下面就对该论文进行解读。 四个IOU loss概念 经典IOU lo...
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