Viewpoint-aware Progressive Clustering for Unsupervised Vehicle Re-identification
Anhui University（安徽大学）
车辆重新识别（Re-ID）在智慧城市大规模智能监控中具有重要意义，因此是一项活跃的任务。尽管近年来进展迅速，但大多数现有方法以监督的方式处理车辆Re-ID任务，这既耗时又费力，并且限制了它们在现实生活场景中的应用。最近，无监督的人的Re-ID方法取得了令人印象深刻的性能，探索域自适应或基于聚类的技术。然而，人们不能直接将这些方法推广到车辆Re-ID，因为车辆图像在不同的视角下呈现出巨大的外观变化。为了解决这个问题，我们提出了一种新的视角感知聚类算法的无监督车辆Re-ID。特别是，我们首先将整个特征空间划分为不同的子空间，根据预测的观点，然后执行渐进聚类挖掘样本之间的准确关系。在两个多视点基准数据集VeRi和VeRi-Wild上对最先进的方法进行了全面的实验，验证了所提出的方法在处理无监督车辆Re-ID时在有和没有域自适应场景下的良好性能。
2020-11-18 cs.CV
Discriminative Feature Representation with Spatio-temporal Cues for Vehicle Re-identification
Shanghai Jiao Tong University（上海交通大学）
车辆再识别（re-ID）的目的是发现和匹配的目标车辆从画廊的图像集所采取的不同相机在广泛的道路网络。它对于安全监控和交通管理等许多应用至关重要。不同车辆的外观非常相似，视点和光照条件的显著变化给车辆识别带来了巨大的挑战。传统的解决方案侧重于设计全局视觉外观，而没有充分考虑车辆在不同图像中的时空关系。本文提出了一种新的具有时空线索的判别性特征表示（DFR-ST）用于车辆识别。基于此多模态信息，建议DFR-ST构造一个外观模型的多粒度视觉表示的双流架构和时空度量提供补充信息。在两个公开数据集上的实验结果表明，DFR-ST的性能优于现有的方法，从而验证了该方法的有效性。
2020-11-13 cs.CV
Multiple-Vehicle Tracking in the Highway Using Appearance Model and Visual Object Tracking
University of Isfahan（伊斯法罕大学）
近几十年来，由于机器视觉的突破性改进，许多日常任务都由计算机执行。其中一个任务是多车辆跟踪，它被广泛应用于不同的领域，如视频监控和交通监控。本文重点介绍了一种有效的新方法，具有可接受的精度。这是通过基于从每个对象提取的特征的有效外观和运动模型来实现的。为此，已经使用两种不同的方法来提取特征，即从深度神经网络提取的特征和传统特征。然后将这两种方法的结果与最先进的跟踪器进行比较。结果是通过在UA-DETRACK基准上执行方法获得的。第一种方法的准确率为58.9%，而第二种方法的准确率为15.9%。所提出的方法仍然可以通过提取更多可区分的特征来改进。
2020-06-12 cs.CV
Multiple Object Tracking from appearance by hierarchically clustering tracklets
National Institute of Informatics（国立信息学研究所）；Universitat Politècnica de Catalunya（加泰罗尼亚理工大学）
多目标跟踪（MOT）中的当前方法依赖于检测之间的时空相干性结合对象外观来匹配来自连续帧的对象。在这项工作中，我们探索MOT使用对象外观作为视频中的对象之间的关联的主要来源，使用空间和时间先验作为加权因子。我们形成初始的tracklets利用的想法，即在时间上接近的对象的实例应该是相似的外观，并建立最终的对象轨迹融合的tracklets在一个层次化的方式。我们进行了大量的实验，显示了我们的方法在三个不同的MOT基准，MOT17，MOT20和DanceTrack的有效性，在MOT17和MOT20中具有竞争力，并在DanceTrack中建立了最先进的结果。
2022-10-07 cs.CV
On Learning Vehicle Detection in Satellite Video
AIT Austrian Institute of Technology, Center for Digital Safety & Security（奥地利技术学院（AIT）数字安全与保障中心）；TU Wien, Institute of Visual Computing & Human-Centered Technology（维也纳技术大学视觉计算与以人类为中心技术研究所）
航空和卫星图像中的车辆检测仍然具有挑战性，因为与遥感图像的整体尺寸相比，它们的像素外观很小。经典的目标检测方法在这种情况下经常失败，因为违反了隐含的假设，如丰富的纹理，图像大小和目标大小之间的小到中等的比例。卫星视频是一种非常新的模态，它引入了时间一致性作为归纳偏差。卫星视频中的车辆检测方法使用背景减除、帧差分或子空间方法，表现出中等性能（0.26 - 0.82 $F_1$分数）。这项工作提出了将最近的深度学习应用于卫星视频上的广域运动图像（WAMI）。我们在第一种方法中显示了行星SkySat-1 LasVegas视频上的可比结果（0.84 $F_1$），并有进一步改进的空间。
2020-01-29 cs.CV cs.LG eess.IV
Data Augmentation and Clustering for Vehicle Make/Model Classification
Ruhr-University Bochum（波鸿鲁尔大学）
车辆外形信息在智能交通系统（ITS）中是非常重要的。在本文中，我们提出了一种方法来利用一组训练数据的车辆发布在不同的年份，并在不同的角度下捕获。此外，聚类的功效，以提高品牌/型号分类。这两个步骤导致改进的分类结果和更大的鲁棒性。设计了基于ResNet结构的深层卷积神经网络用于车型分类的训练。训练数据的不均等类分布产生先验概率。它的消除，通过去除的偏见，并通过硬归一化的质心在分类层中获得，提高了分类结果。开发的应用程序已被用来测试车辆重新识别的视频数据手动的基础上，使/模型和颜色分类。这项工作的部分资金来自赠款。
2020-09-14 cs.CV
Unsupervised Clustering of Public Transport Vehicles Using Deep Morphological Features and Color Histograms
Centro de Innovación y Desarrollo Tecnológico en Cómputo（计算机技术创新与发展中心）；Instituto Politécnico Nacional（墨西哥国立理工学院）
该研究提出结合DINOv2形态特征与HSV颜色直方图的无监督聚类方法，在7972张墨西哥城公交车图像上实现RTP公交的线路级聚类，提升了目标聚类精度。
2026-10-16 cs.CV
Online Clustering-based Multi-Camera Vehicle Tracking in Scenarios with overlapping FOVs
Universidad Autónoma de Madrid（马德里自治大学）
多目标多摄像机车辆跟踪是视觉交通监控的一项重要任务，也是智能交通系统的主要研究领域之一。已经提出了几种离线方法来解决这个任务;然而，由于它们的高延迟和后处理要求，它们与现实世界的应用程序不兼容。在本文中，我们提出了一种新的低延迟在线方法MTMC跟踪的场景与部分重叠的视野（FOV），如道路交叉口。首先，该方法在每个摄像头检测车辆。然后，通过应用基于外观和位置的跨相机聚类来合并相机之间的检测。最后，包含同一车辆的不同检测的集群在时间上相关联，以逐帧计算轨迹。实验表明，有前途的低延迟的结果，同时解决现实世界的挑战，如先验未知和时变的目标数量和连续的状态估计，他们没有执行任何后处理的轨迹。
2021-02-08 cs.CV
Foreground Clustering for Joint Segmentation and Localization in Videos and Images
本文提出了一种新的框架，在该框架中，视频/图像分割和定位被转换成一个单一的优化问题，该问题将低级别的外观线索的信息与高级别的定位线索在一个非常弱的监督方式。该框架利用两种不同层次的表示，利用边界框和超像素之间的空间关系作为线性约束，同时在限界框和超像素层次上区分前景和背景。不同于以往的方法，主要依赖于判别聚类，我们采用了前景模型，最大限度地减少了所有图像帧的对象的直方图差异。利用超像素和边界框之间的几何关系使得分割线索的传递能够改善定位输出，反之亦然。包括前景模型将我们的判别框架推广到背景往往相似的视频数据，因此没有判别力。我们证明了我们的统一框架的YouTube对象视频数据集，互联网对象发现数据集和Pascal VOC 2007的有效性。
2018-11-26 cs.CV cs.GR cs.LG
Spatial-temporal Vehicle Re-identification
Chonnam National University（全南国立大学）；Electronics and Telecommunications Research Institute（电子通信研究院）；University of Science and Technology（科学技术大学）
针对车辆外观模糊导致跨摄像头追踪失败的问题，提出融合外观与时空相似性的车辆再识别框架，在VeRi776上达到99.64%的rank-1准确率。
2023-09-03 cs.AI cs.CV
SSSC-AM: A Unified Framework for Video Co-Segmentation by Structured Sparse Subspace Clustering with Appearance and Motion Features
École Polytechnique（巴黎综合理工学院）
视频共分割是指联合分割出现在给定视频组中的共同对象的任务。在实践中，高维数据（如视频）可以在概念上被认为是从对应于类别的子空间的并集中提取的，而不是从光滑流形中提取的。因此，将数据分割成各个子空间-子空间聚类-在计算机视觉中得到了广泛的应用，包括联合分割。通过子空间聚类的最新方法试图通过两个步骤来解决这个问题：首先，从具有外观特征或运动模式的数据中构建亲和矩阵。其次，通过将谱聚类应用于亲和矩阵来分割数据。然而，该过程不足以获得最佳解，因为它没有考虑亲和力矩阵与分割的{ \em相互依赖性}。在这项工作中，我们提出了一种新的统一的视频共分割框架的启发最近的结构化稀疏子空间聚类（$\mathrm{S^{3}C}$）的基础上的{ \em自我表达}模型。我们的方法产生更一致的分割结果。为了提高由于遮挡或跟踪点移出帧而丢失轨迹的运动特征的可检测性，我们向运动轨迹添加额外的维度签名。此外，我们重新制定的$\mathrm{S^{3}C}$算法，通过增加仿射子空间的约束，以使其更适合于分割刚性运动躺在仿射子空间的维数最多$3$。我们在MOViCS数据集上的实验表明，我们的框架在基线算法中达到了最高的整体性能，并证明了它对强噪声的鲁棒性。
2016-09-28 cs.CV
Automatic vehicle tracking and recognition from aerial image sequences
University of St Andrews（圣安德鲁斯大学）
本文研究了从航空图像序列中自动跟踪和识别车辆的问题。由于其在现有文献中的成功，重点关注使用线性外观子空间来描述多视图对象外观，并强调其作为实际系统的一部分的应用所涉及的挑战。描述了一个工作解决方案，其中包括数据提取和归一化的步骤。在对真实世界数据的实验中，所提出的方法取得了令人鼓舞的结果，具有较高的正确识别率和很少的有意义的错误（第二类错误，即真正相似的目标有时会相互混淆）。未来的研究方向和可能的改进所提出的方法进行了讨论。
2015-06-23 cs.CV
ISA$^2$: Intelligent Speed Adaptation from Appearance
University of Alcalá（阿尔卡拉大学）
在这项工作中，我们介绍了一个新的问题，名为智能速度适应从外观（ISA $^2$）。从技术上讲，ISA $^2$模型的目标是为给定的驾驶场景图像预测车辆的适当速度。请注意，这个问题与预测车辆的实际速度不同。它定义了一种新的回归问题，其中外观信息必须直接映射以预测车辆应该行驶的速度，同时考虑到交通状况。首先，我们为新问题发布了一个新的数据集，其中提供了多个驾驶视频序列，每帧具有足够的注释速度。然后，我们介绍了两个基于深度学习的ISA $^2$模型，这些模型经过训练，可以在给定测试图像的情况下执行适当速度的最终回归。最后，我们进行了彻底的实验验证，结果显示了所提出的任务的难度。数据集和拟议的模型都将公开提供，以鼓励对这一问题进行急需的进一步研究。
2018-10-11 cs.CV
Vision-based Vehicle Re-identification in Bridge Scenario using Flock Similarity
School of Intelligent Systems Engineering（智能系统工程学院）；Sun Yat-sen University（中山大学）
针对车辆重识别外观区分度低的问题，提出基于车队相似性的方法，利用相邻车辆信息提升准确率，在桥梁场景等相对位置稳定的场景下效果显著。
2024-03-12 cs.CV
A Dual-Path Model With Adaptive Attention For Vehicle Re-Identification
University of Maryland（马里兰大学）；Academia Sinica（台湾中央研究院）
近年来，注意力模型已被广泛用于人和车辆的重新识别。大多数重新识别方法被设计成将注意力集中在关键点定位上。然而，取决于方向，每个关键点的贡献不同。本文提出了一种新的双路径自适应注意力模型用于车辆再识别。全局外观路径捕获宏观车辆特征，而方向调节的零件外观路径通过将注意力集中在最具信息量的关键点上来学习捕获局部化的判别特征。通过大量的实验，我们表明，所提出的AAVER方法能够在不受约束的情况下准确地重新识别车辆，在具有挑战性的数据集VeRi-776上产生最先进的结果。作为副产品，所提出的系统还能够准确地预测车辆关键点，并显示出比现有技术提高7%以上。关键点估计模型的代码可在https://github.com/Pirazh/Vehicle_Key_Point_Orientation_Estimation上获得。
2019-09-24 cs.CV
Discriminative-Region Attention and Orthogonal-View Generation Model for Vehicle Re-Identification
Northeastern University（东北大学）；Peng Cheng Laboratory（鹏城实验室）；Peking University（北京大学）；Peking University Shenzhen Graduate School（北京大学深圳研究生院）
为了缓解日益繁重的城市交通管理任务所带来的压力，迫切需要进行车辆再识别（Re-ID）。多个挑战阻碍了基于视觉的车辆Re-ID方法的应用：（1）相同品牌/型号的不同车辆的外观通常是相似的;然而，（2）同一车辆的外观从不同的视角显著不同。以前的方法主要使用人工标注的多属性数据集来帮助网络获得详细的线索和推断多视图，以提高车辆Re-ID性能。然而，精细标记的车辆数据集在实际应用场景中通常是无法实现的。因此，我们提出了一个判别区域注意力和识别视图生成（DRA-OVG）模型，它只需要身份（ID）标签，以克服车辆Re-ID的多重挑战。建议的识别模型可以自动提取判别区域特征，它可以区分相似的车辆。OVG模型可以根据输入的视图特征生成多视图特征，以减少视点不匹配的影响。最后，车辆外观之间的距离是由区分区域特征和多视角特征一起给出的。因此，在完备的特征空间中，车辆间的两两距离度量的意义得到了增强。大量的实验证实了每种成分的有效性，实验结果表明，我们的方法在VehicleID和VeRi-776数据集上实现了比最先进的车辆Re-ID方法显着的改进。
2022-04-28 cs.AI cs.CV
Realtime Hierarchical Clustering based on Boundary and Surface Statistics
Fraunhofer FKIE（弗劳恩霍夫通信、信息处理和人机工程学研究所）；Bonn-Aachen Int. Center for Information Technology (b-it)（波恩-亚琛国际信息技术中心）
视觉分组是人类场景感知的一个重要机制。在那里，它属于潜意识，早期处理，是其他高级任务（如识别）的关键先决条件。在本文中，我们介绍了一种高效的，实时的算法，同样凝聚了一个有价值的层次聚类的场景，而使用纯粹的本地外观统计。为了加快处理速度，首先我们使用快速分水岭变换将图像细分为有意义的原子段。从那里开始，我们的快速，凝聚聚类算法修剪和维护集群之间的连接图，只包含这样的对，直接在图像域中接触，是倒数最近邻（RNN）wrt。距离度量。这种方法的核心是我们新的聚类距离：它结合了边界和表面统计，无论是在外观方面，以及空间联系。这产生了最先进的性能，正如我们在BSDS 500和Pascal-Context数据集上进行的结论性实验所证明的那样。
2016-09-22 cs.CV
SafeDrive: Enhancing Lane Appearance for Autonomous and Assisted Driving Under Limited Visibility
University of Minnesota Twin Cities（明尼苏达大学双城分校）
车道标记的自主检测提高了道路安全性，并且纯视觉跟踪对于广泛的车辆兼容性和减少传感器侵入、成本和能量消耗是期望的。然而，由于许多因素，视觉方法通常是无效的;例如，闭塞、恶劣的天气条件和油漆磨损。我们提出了一种方法，以提高辅助和自动驾驶，特别是在能见度差的车道标志外观。我们的方法，名为SafeDrive，试图改善视觉车道检测方法在严重退化的视觉条件。SafeDrive在车辆所在位置的道路替代图像中找到车道标记，并重建周围环境的稀疏3D模型。通过估计该3D模型和当前视图之间的几何关系，车道标记被投影到视觉场景上;随后可以使用任何车道检测算法来检测结果图像中的车道。SafeDrive不需要额外的传感器，除了视觉和位置数据。我们证明了我们的方法的有效性，从城市环境中记录的实际驾驶数据获得的一些测试案例。
2018-07-24 cs.CV
Multi-tracklet Tracking for Generic Targets with Adaptive Detection Clustering
Macao Polytechnic University（澳门理工学院）；University of Coimbra（科英布拉大学）；Beihang University（北航大学）
本文提出多轨迹片段跟踪（MTT）框架，通过自适应聚类检测结果生成稳健轨迹片段，并利用多线索关联估计最佳划分，以解决通用目标跟踪中低置信度检测与长期遮挡问题，实验验证其竞争力。
2025-08-07 cs.CV
Vehicle Detection and Tracking From Surveillance Cameras in Urban Scenes
Polytechnique Montreal（蒙特利尔综合理工学院）；Cysca Technologies（Cysca技术公司）
在城市场景中检测和跟踪车辆是许多交通相关应用中的关键一步，因为它有助于提高道路使用者的安全性。在多目标跟踪中，目标信息描述、长时间遮挡和快速运动等问题仍然是一个亟待解决的难题。我们提出了一个多车辆检测和跟踪系统跟踪的检测范式，解决了前面提到的挑战。我们的MOT方法扩展了基于交集的跟踪器与车辆重新识别功能。这使我们能够利用外观信息，以更好地匹配对象后，长的闭塞阶段和/或当对象的位置显着转移，由于快速运动。我们在UA-DETRAC基准测试中优于我们的基线MOT方法，同时保持适合在线用例的总处理速度。
2021-09-25 cs.CV
MODNet: Moving Object Detection Network with Motion and Appearance for Autonomous Driving
Valeo（法雷奥）
我们提出了一种新的多任务学习系统，结合外观和运动线索，更好地语义推理的环境。提出了一种联合车辆检测和运动分割的统一体系结构。在这种架构中，两个任务之间共享一个双流编码器。为了评估我们的方法在自动驾驶设置中，KITTI注释序列与检测和里程计地面真相用于自动生成静态/动态注释的车辆。该数据集被称为KITTI移动目标检测数据集（KITTI MOD）。该数据集将公开提供，作为运动检测任务的基准。我们的实验表明，所提出的方法优于最先进的方法，利用运动线索只有21.5%的mAP上KITTI MOD。我们的方法表现与最先进的无监督方法DAVIS基准通用对象分割。我们的一个有趣的结论是，运动分割和车辆检测的联合训练有利于运动分割。与检测任务不同，运动分割具有相对较少的数据。然而，共享融合编码器受益于联合训练以学习广义表示。所提出的方法运行在每帧120毫秒，这击败了最先进的运动检测/分割的计算效率。
2017-11-12 cs.CV cs.RO
Combining LiDAR Space Clustering and Convolutional Neural Networks for Pedestrian Detection
LTS5, EPFL（洛桑联邦理工学院 LTS5）；SiMiT Lab, ITU（伊斯坦布尔理工大学 SiMiT 实验室）
行人检测是自动驾驶汽车安全以及交通和街道监控的重要组成部分。关于这个主题有大量的基准测试，当应用于真实的用例场景时，它已经被证明是一个具有挑战性的问题。在纯粹基于图像的行人检测方法中，最先进的结果已经用卷积神经网络（CNN）实现，并且令人惊讶的是，很少有检测框架建立在多线索方法上。在这项工作中，我们为自动驾驶汽车开发了一种新的行人检测器，除了视觉信息外，还利用了LiDAR数据。在所提出的方法中，激光雷达数据被用来通过处理它提供的三维点云来生成区域建议。然后，这些候选区域由最先进的CNN分类器进一步处理，我们已经为行人检测进行了微调。我们在KITTI数据集上广泛评估了所提出的检测过程。实验结果表明，所提出的激光雷达空间聚类方法提供了一个非常有效的方式产生区域的建议，导致更高的召回率和更少的行人检测失误。这表明LiDAR数据可以为基于CNN的方法提供辅助信息。
2017-10-17 cs.CV
Object Re-identification via Spatial-temporal Fusion Networks and Causal Identity Matching
Chonnam National University（全南大学）；Electronics and Telecommunications Research Institute（电子通信研究院）
针对真实场景下物体相似外观导致重识别性能下降的问题，提出一种融合时空网络与因果身份匹配的ReID框架，有效提升了多数据集下的准确率与鲁棒性。
2024-08-22 cs.CV
Discriminative k-means clustering
Centre for Pattern Recognition and Data Analytics（模式识别与数据分析中心）；Deakin University（迪肯大学）
k-means算法是一种分区聚类方法。超过60年的历史，它已经成功地用于各种问题。k-means的流行在很大程度上是其简单性和效率的结果。在本文中，我们的灵感来自于这些吸引人的属性的k-均值聚类算法的发展，它接受的概念，“积极”和“消极”的标记数据。我们的目标是发现集群结构的积极和消极的数据的方式，允许两个集之间的歧视。这个想法的实用性实际上是在人脸识别的问题上证明的，在人脸识别中，学习一个人的外表范围的任务应该以一种允许这张脸与其他人区分开的方式来完成。
2013-06-10 cs.CV
Multi-Camera Multiple 3D Object Tracking on the Move for Autonomous Vehicles
University of Arkansas（阿肯色大学）；Concordia University（康考迪亚大学）
自动驾驶汽车的发展提供了一个机会，让一套完整的摄像头传感器捕捉汽车周围的环境。因此，重要的是目标检测和跟踪要解决新的挑战，如实现跨相机视图的一致结果。为了解决这些挑战，这项工作提出了一种新的全局关联图模型与链接预测的方法来预测现有的tracklets的位置和链接检测与tracklets通过交叉注意运动建模和外观重新识别。该方法旨在解决由不一致的3D目标检测引起的问题。此外，我们的模型可以提高标准3D对象检测器在nuScenes检测挑战中的检测精度。nuScenes数据集上的实验结果证明了所提出的方法在现有基于视觉的跟踪数据集上产生SOTA性能的好处。
2022-04-19 cs.CV
YOLOSCM: An improved YOLO algorithm for cars detection
School of Computer Science, Hubei University（湖北大学计算机学院）；Columbia University in the City of New York（纽约哥伦比亚大学）；College of engineering, Northeastern University（东北大学工程学院）
针对城市交通图像中车辆检测的大尺寸、小目标和分布不均问题，提出YOLOSCM框架，包含分割聚类模块和新的训练策略，实验证明其有效性和优越性。
2025-01-23 cs.CV
VM-MODNet: Vehicle Motion aware Moving Object Detection for Autonomous Driving
Valeo R&D（法雷奥研发中心）；Valeo Visions Systems（法雷奥视觉系统公司）
移动目标检测（MOD）是自动驾驶中的一项关键任务，因为需要准确地检测自车周围的移动主体以进行安全的轨迹规划。它还能够基于运动线索进行与外观无关的对象检测。存在像运动视差模糊这样的几何挑战，这使得它成为一个困难的问题。在这项工作中，我们的目标是利用车辆的运动信息，并将其馈送到模型中，以具有基于自我运动的自适应机制。其动机是使模型能够隐式地执行自我运动补偿以提高性能。我们将六个自由度的车辆运动转换为像素级张量，该张量可以作为CNN模型的输入。所提出的模型使用车辆运动张量（VMT）实现了5.6%的mIoU比基线架构的绝对改善。我们还在公共KITTI_MoSeg_Extended数据集上获得了最先进的结果，即使与使用LiDAR和其他输入帧的方法相比。我们的模型也是轻量级的，在TitanX GPU上以85 fps运行。定性结果见https://youtu.be/ezbfjti-kTk。
2021-07-11 cs.CV
Tracking the Unstable: Appearance-Guided Motion Modeling for Robust Multi-Object Tracking in UAV-Captured Videos
本文提出AMOT方法，通过结合外观和运动线索，改进无人机视频中多目标跟踪的鲁棒性和稳定性。
2025-11-28 cs.CV
AVDNet: A Small-Sized Vehicle Detection Network for Aerial Visual Data
由于飞行器体积小、背景复杂、目标外观单调等特点，航空图像中的小目标检测是一项具有挑战性的任务。在这封信中，我们提出了一个一阶段的车辆检测网络（AVDNet），以鲁棒地检测空中场景中的小型车辆。在AVDNet中，我们在多个尺度上引入了ConvRes残差块，以缓解由于包含更深的卷积层而导致的较小对象的特征消失问题。这些残差块，以及放大的输出特征图，确保了小尺寸对象的显著特征的鲁棒表示。此外，我们提出了一个递归特征感知可视化（RFAV）技术来分析网络行为。我们还创建了一个新的机载图像数据集（ABD）的注释1396个新的对象在79个航空图像为我们的实验。AVDNet的有效性在VEDAI、DLR-3 K、DOTA和组合（VEDAI、DLR-3 K、DOTA和ABD）数据集上进行了验证。实验结果表明，所提出的方法的最先进的检测技术的最大可检测性，计算和空间复杂度方面的显着性能改善。
2019-07-17 cs.CV
MutualVPR: A Mutual Learning Framework for Resolving Supervision Inconsistencies via Adaptive Clustering
School of Computer Science and Technology, Tongji University, Shanghai, China（计算机科学与技术学院，同济大学，上海，中国）；MOE Key Lab of Embedded System and Service Computing, Tongji University, Shanghai, China（教育部嵌入式系统与服务计算重点实验室，同济大学，上海，中国）；Shanghai Research Institute for Intelligent Autonomous System, Tongji University, Shanghai, China（上海智能自主系统研究院，同济大学，上海，中国）；School of Surveying and Geo-Informatics, Tongji University, Shanghai, China（测绘地理信息学院，同济大学，上海，中国）
MutualVPR提出一种互学习框架，通过无监督视角自分类与描述符学习协同演化，利用K-means自适应聚类解决VPR中视角变化导致的监督不一致问题，在多个数据集上取得SOTA性能。
2025-11-08 cs.CV
Multi-Object Tracking by Iteratively Associating Detections with Uniform Appearance for Trawl-Based Fishing Bycatch Monitoring
University of Washington（华盛顿大学）；National Institute of Water and Atmospheric Research（国家水与大气研究所）；BetterFishing Ltd.（BetterFishing有限公司）
本文针对拖网渔业监测中鱼类目标外观均匀、传统MOT方法不适用的难题，提出一种基于迭代关联模块的MOT方法，可嵌入现有跟踪算法，在水下鱼类数据集和MOT17上均优于现有方法且不增加延迟。
2023-04-10 cs.CV
Dominant Set Clustering and Pooling for Multi-View 3D Object Recognition
McGill University（麦吉尔大学）；Ca’ Foscari University of Venice（威尼斯大学）
基于视图的3D对象识别策略已被证明是非常成功的。最先进的方法现在可以在外观图像上实现超过90%的正确类别级别识别性能。我们通过引入基于主导集的视图聚类和池化层来改进这些方法。其关键思想是从相似的视图中汇集信息，从而属于同一个集群。然后，以循环的方式将池化的特征向量作为输入馈送到同一层。当插入到现成的预训练CNN中时，这种循环聚类和池化模块可以提高多视图3D对象识别的性能，在ModelNet 40数据库上实现93.8%的最新测试集识别准确率。我们还为我们的聚类池CNN探索了一种快速近似学习策略，该策略在牺牲端到端学习的同时，大大提高了其训练效率，识别准确率仅略微降低至93.3%。我们的实现可以在https://github.com/fate3439/dscnn上获得。
2019-06-04 cs.CV
MOT FCG++: Enhanced Representation of Spatio-temporal Motion and Appearance Features
本文提出MOT FCG++，通过改进时空运动特征表示（Diagonal Modulated GIoU和Mean Constant Velocity Modeling）及融合置信度的动态外观表示，在MOT17、MOT20和DanceTrack上显著提升了多目标跟踪性能。
2024-11-21 cs.AI cs.CV
Estimation of Appearance and Occupancy Information in Birds Eye View from Surround Monocular Images
Ola Electric AI（奥拉电动人工智能部门）
自动驾驶需要对场景中不同智能体的位置和外观进行有效推理，这有助于目标检测、目标跟踪和路径规划等下游任务。在过去的几年里，将经典自动驾驶堆栈中不同的基于任务的模块结合到端到端（E2 E）可训练学习系统中的方法激增。这些方法用具有共享潜在空间嵌入的单个连续模块来替换感知、预测和传感器融合模块，从中提取场景的人类可解释的表示。最流行的表示之一是鸟瞰图（BEV），它从自上而下的角度表达了不同交通参与者在自我车辆框架中的位置。然而，BEV不捕获参与者的色彩外观信息。为了克服这一限制，我们提出了一种新的表示，捕捉各种交通参与者的外观和占用信息从一个阵列的单目摄像机覆盖360度视场（FOV）。我们使用所有相机图像的学习图像嵌入来生成场景的BEV，该BEV在任何时刻捕获场景的外观和占用，这可以帮助下游任务，例如对象跟踪和执行基于语言的命令。我们测试了我们的方法对CARLA生成的合成数据集的有效性。代码、数据集和结果可以在https://rebrand.ly/APP OCC-results上找到。
2022-11-08 cs.CV cs.RO
Exploring intermediate representation for monocular vehicle pose estimation
The Hong Kong University of Science and Technology（香港科技大学）；SenseTime Research（商汤科技研究院）
我们提出了一个新的基于学习的框架来从单个RGB图像中恢复SO（3）中的车辆姿态。与以前的作品，从局部外观到观察角度的映射，我们探索了一个渐进的方法，通过提取有意义的中间几何表示（IGRs）来估计自我中心的车辆方向。这种方法的特征在于将感知强度转换为IGR的深度模型，IGR被映射到相机坐标系中编码对象方向的3D表示。核心问题是使用什么IGR以及如何更有效地学习它们。我们回答前一个问题，设计IGRs的基础上插值长方体，从原始的3D注释容易。后一个问题促使我们将几何知识与一个新的损失函数的基础上的投影不变量。该损失函数允许在训练阶段使用未标记的数据来改进表示学习。在没有额外标签的情况下，我们的系统在KITTI基准测试中的联合车辆检测和姿态估计性能优于以前的基于单目RGB的方法，甚至可以与立体声方法相媲美。代码和预训练模型可在此https URL上获得。
2021-07-12 cs.CV cs.LG cs.RO
Adv3D: Generating Safety-Critical 3D Objects through Closed-Loop Simulation
Waabi；University of Toronto（多伦多大学）；Brown University（布朗大学）
提出Adv3D框架，通过闭环传感器仿真优化逼真的车辆3D形状，以暴露感知、预测和运动规划失效，并证明其优于开环优化。
2023-11-02 cs.CV cs.LG cs.RO
