[OneNet]OneNet: Towards End-to-End One-Stage Object Detection笔记

最新推荐文章于 2024-08-05 15:06:52 发布
最新推荐文章于 2024-08-05 15:06:52 发布
阅读量746 收藏 2
点赞数
CC 4.0 BY-SA版权
分类专栏： 笔记
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。
本文链接：https://blog.youkuaiyun.com/weixin_43823854/article/details/111368627
OneNet是一种创新的端到端one-stage目标检测网络，通过Minimum Cost Assignment策略实现One-to-One Label Assignment，避免了NMS后处理。该网络结合了location和classification的成本，提出了一种新的正样本选取方法。实验表明，这种方法提高了检测的准确性和效率，特别是在正样本选取上的改进，使得网络能够更好地聚焦于物体的关键区域。

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

文章目录


paper: https://arxiv.org/pdf/2012.05780.pdf
code: https://github.com/PeizeSun/OneNet

1. Abstract

文中提出了一个观点，认为以往的one-stage无法去掉NMS实现端到端的主要原因在于正样本的选取。以往的Label assignment任务没有考虑分类的cost，只考虑了位置的cost，从而会得到很多冗余的boxes，造成了后处理中必须使用NMS。
在这里插入图片描述

如下图所示，RetinaNet选取正样本只考虑了box的IoU ，而FCOS只考虑了Point Assignment，本文作者提出的OneNet，将classification和location都考虑来选取正样本并计算cost，提出Minimum Cost Assignment方法实现One-to-One Label Assignment，对于每一个Ground Truth，只有一个正样本与之对应，从而获得最佳Match，消除NMS。
在这里插入图片描述

2. Contribution

① 网络是端到端的全卷积网络，没有ROI以及attention机制。
②正样本的选取基于对于location

最低0.47元/天 解锁文章

200万优质内容无限畅学
深度学习论文: OneNet: End-to-End One-Stage Object Detection by Classificaion Cost及其PyTorch实现
mingo_敏
12-07 1256
深度学习论文: OneNet: End-to-End One-Stage Object Detection by Classificaion Cost及其PyTorch实现 OneNet: End-to-End One-Stage Object Detection by Classificaion Cost PDF: https://peizesun.github.io/OneNet.pdf 1 概述 OneNet将classification cost加入到location cost中，可以去除后续的N
【论文阅读】YOLOv10: Real-Time End-to-End Object Detection
最新发布
Limiiiing的博客
08-26 3794
在过去的几年里，由于在计算成本和检测性能之间取得了有效的平衡，YOLOs已经成为实时目标检测领域的主导范式。研究人员已经对yolo的架构设计、优化目标、数据增强策略等进行了探索，并取得了显著进展。然而，对非最大抑制(NMS)的后处理依赖阻碍了yolo的端到端部署，并对推理延迟产生不利影响。此外，YOLOs中各部件的设计缺乏全面彻底的检查，导致计算冗余明显，限制了模型的能力。它提供了次优的效率，以及相当大的性能改进潜力。在这项工作中，我们的目标是从后处理和模型架构两个方面进一步推进YOLOs的性能效率边界。
OneNet: Towards End-to-End One-Stage Object Detection 论文学习
calvinpaean的博客
01-11 559
OneNet: Towards End-to-End One-Stage Object DetectionAbstract1. Introduction Abstract 截至目前，端到端的单阶段目标检测仍落后于其它方法。本文研究发现，在标签分配过程中，候选样本与 ground-truth 之间缺少分类损失，这是单阶段检测器无法去除 NMS、实现端到端的主要障碍。现有单阶段目标检测器仅通过定位损失来赋予标签，比如 box IOU 或者点距离。不靠分类损失，在推理过程中，单凭定位损失会得到许多冗余的高置信度边
【目标检测】OneNet: Towards End-to-End One-Stage Object Detection
qq_40731332的博客
12-17 859
label assignment是指，在训练过程中如何将某个prediction指定给某个GT，用于计算损失，训练网络。 对于上一篇文章，他们首先用one-to-one label assignment替换了one-to-many label assignment，并且不用hand-craft label assignment，而是提出综合考虑位置、类别置信度和IoU三个指标计算得分，取得分最高的POTO。在这基础上，提出3DMF，提高局部卷积的差异，再进一步提高anchor之间的差异。最后，添加一个..
目标检测：OneNet: Towards End-to-End One-Stage Object Detection
微风❤水墨
01-28 1262
OneNet算法的优点： 1）：全卷机，端到端，没有ROI操作，也没有attention机制 2）：标签分配是通过最小代价策略，不需要复杂的人工设计或者启发 3）：没有任何后处理，比如：NMS, max-pooling等 要点1： 以前的大部分网络只根据 proposal和 GT之间的location cost 来进行打标签，比如box IOU或这point distance.并没有引入classificationcost.这会导致前向推理时会产生大量的高分冗余框...
OneNet：一阶段端到端目标检测网络，无需NMS！无需二分匹配！
weixin_47477271的博客
12-07 2542
本文作者：孙培泽 | 编辑：Amusi https://zhuanlan.zhihu.com/p/331590601 本文已由原作者授权，不得擅自二次转载 本文主要介绍一下我们最近的工作： OneNet: End-to-End One-Stage Object Detection by Classification Cost 论文：https://peizesun.github.io/OneNet.pdf 项目代码：https://github.com/PeizeSun/OneNet 我们提出了O.
2.OneNET-V3.2-OneNET-裸机-基础例程_stm32_
10-02
标题 "2.OneNET-V3.2-OneNET-裸机-基础例程_stm32_" 指示了这是一个基于STM32微控制器的OneNET平台的V3.2版本的基础程序实例。OneNET是中国移动物联网公司提供的一种云服务平台，它支持多种物联网设备的数据接入，...
YoloV10 论文翻译（Real-Time End-to-End Object Detection）
wang6562009的专栏
08-05 1605
近年来，YOLO因其在计算成本与检测性能之间实现了有效平衡，已成为实时目标检测领域的主流范式。研究人员对YOLO的架构设计、优化目标、数据增强策略等方面进行了探索，并取得了显著进展。然而，YOLO对非极大值抑制（NMS）后处理的依赖阻碍了其端到端的部署，并对推理延迟产生了不利影响。此外，YOLO中各组件的设计缺乏全面和深入的审查，导致计算冗余明显，并限制了模型的性能。这使得YOLO的效率不尽如人意，且存在相当大的性能提升潜力。
dash to dock 后出现两个dock_OneNet: End-to-End One-Stage Object Detection
weixin_39964590的博客
01-09 286
本文介绍一下我们最近的工作：OneNet: Towards End-to-End One-Stage Object Detection现有的one-stage detectors的label assign，都只用到了位置信息(location)，如box IoU(e.g.,YOLO, RetinaNet), point distance(e.g.,FCOS, CenterNet)。但是目标检测是分...
目标检测之one-stage模型发展总结
Heart_M的博客
02-18 4079
由于广泛的应用和技术上的突破，目标检测（object detection）在近些年吸引了越来越多的注意力，以飞快的速度发展着。在导致目标检测领域飞速发展的众多因素中，深度卷积神经网络和GPU算力无疑占据着重要的地位。大多数顶尖的目标检测网络都充分利用了深度学习网络作为骨干网络用来提取图像特征进行分类和定位。如今，目标检测越来越多的应用在了多分类检测(multi-categories...
OneNet 训练------一阶段端到端目标检测网络，无需NMS后处理
weixin_41054702的博客
03-24 501
OneNet: End-to-End One-Stage Object Detection by Classification Cost 这里主要介绍下 OneNet: End-to-End One-Stage Object Detection by Classification Cost 这篇论文的训练过程： paper code 1.环境配置 根据 github中的 Readme 安装流程安装即可。 2.数据加载 这里数据加载有两种方式，以VOC2007文件格式为例（如下图），将你的的数据文件结构按照
Object Detection : One-stage Detector YOLO
linwh8的博客
02-22 1076
现有的目标检测器主要分为两种类型：两阶段(two-stage)和单阶段(one-stage)。这两种检测器的设计思想有很大的不同：两阶段检测器主要将检测问题归结为分类问题(classification)，而单阶段检测器主要是将检测问题定义为回归问题(regression)。不仅如此，两种检测器在时间、性能上也有一定的差距。接下来我将会沿着单阶段的主线，根据时间顺序，进一步了解单阶段检测器的发展。 ...
One-stage目标检测里程碑算法之SSD、YOLO系列、RetinaNet等
迷路的咸鱼的博客
06-14 4494
  相较于two-stage detectors ，one-stage detectors不需要提取region proposal的阶段，直接预测物体的类别概率和位置坐标值，经过单次检测即可直接得到最终的检测结果，因此有着更快的检测速度。本篇博客将逐步按照YOLO→SSD→RetinaNet→YOLOv2→YOLOv3→YOLOv4的顺序，依次整理one-stage目标检测算法的改进点。除此之外，one-stage的anchor-free目标检测器在不断发展，包括CornerNet、ExtremeNet、F
[Intensive Reading]目标检测(object detection)系列（五）YOLO：目标检测的另一种打开方式
zhangxu
08-09 3314
从时间轴上看，YOLO（YOLO v1）的提出在R-CNN，SPP-Net，Fast R-CNN和Faster R-CNN之后，论文题目是《You Only Look Once: Unified, Real-Time Object Detection》，从某种意义上说，YOLO的提出，从另一各方面定义了基于CNN的目标检测任务的基本方法。 --------------------- 版权声明：本文为优快云博主「chaibubble」的原创文章，遵循CC 4.0 by-sa版权协议，转载请附上原文出处链接
（四十四）论文阅读 | 目标检测之OneNet
Skies_的博客
01-09 758
论文阅读 | 目标检测之OneNet
无需NMS的目标检测，OneNet
我爱计算机视觉
01-05 907
本文转载自机器之心。选自arXiv作者：Peize Sun等机器之心编译编辑：小舟目标检测是分类和定位的联合任务，只考虑位置信息的标签分配和网络优化，会导致冗余的高分辨检测框。来自香港大...
【论文解读】one-stage系列开山之篇 | 目标检测速度检测大跨步 | YOLO V1详解
熊猫小妖的AI世界
01-03 889
目录前言1.简介1.1 YOLO由来1.2 摘要1.3 代码2.YOLO网络结构详解2.1 整体介绍2.2 主干网络2.3 分类和定位方法2.4 loss计算3.实验和评估4.Reference 前言 关于YOLO系列的初始作者–Joseph Redmon,说实话真的是个典型的米国白左，辣眼睛的CV，不知道的还以为是那个少女心泛滥的中二，祭出来镇楼： Joseph Redmon 想立就立、想当就当，想退圈就退圈，反正自己公司已经被大厂收购，早就实现了财富自由，唉，真的是。。。。anyway, 有一说一，这
[Detectron2]使用Detectron2/AdelaiDet训练自己的数据集
Ah丶Weii
10-10 9116
使用配置参数，直接集成进detectron2/detectron2/configs/使用Detectron2/AdelaiDet训练自己的数据集。 AdelaiDet可以算是Detectron2的一个扩展包，基本和Detectron2类似。 buildin.py buildin
[FSCE]FSCE: Few-Shot Object Detection via Contrastive Proposal Encoding(CVPR. 2021)
Ah丶Weii
08-25 2419
1. Motivation 本文是基于fine-tuning based方法 In this work, we observe and address the essential weakness of the fine- tuning based approach – constantly mislabeling novel in- stances as confusable categories, and improve the few-shot detection performance to t.
M531X系列OneNET参考手册1.6：NB-IoT模组AT命令集
"M531X OneNET 参考手册1.6.pdf" M531X系列OneNET参考手册是针对M5310-A、M5311、M5312和M5313这四款NB-IoT（窄带物联网）无线模组的专业指南，由中移物联网有限公司编写。该手册涵盖了模组与OneNET平台的集成和...
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