首页/论文/1906.07527

arXiv 1906.075272019-06-18cs.CV

基于锚掩码网的改进RPN单目标检测算法

Impoved RPN for Single Targets Detection based on the Anchor Mask Net

Air Force Engineering University（空军工程大学）

Mingjie Li, Youqian Feng, Zhonghai Yin, Cheng Zhou, Fanghao Dong

备注：: 10 pages,9 Figure

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

常见目标检测通常是基于单帧图像的，容易受到图像中相似目标的影响，不适用于视频图像。本文提出了锚掩码来增加目标检测的先验知识，并设计了锚掩码网络来提高RPN的单目标检测性能。在VOT2016测试中，该模型表现更好。

英文摘要：

Common target detection is usually based on single frame images, which is vulnerable to affected by the similar targets in the image and not applicable to video images. In this paper , anchor mask is proposed to add the prior knowledge for target detection and an anchor mask net is designed to impove the RPN performance for single target detection. Tested in the VOT2016, the model perform better.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

Cascade RPN：自适应卷积的高质量区域建议网络

Cascade RPN: Delving into High-Quality Region Proposal Network with Adaptive Convolution

Korea Advanced Institute of Science and Technology（韩国科学技术院）

针对传统区域建议网络（Cascade Region Proposal Network，Cascade RPN）将\textit{heuristically defines}作为锚点，将\textit{aligns}作为特征点的局限性，提出了一种基于\textit{systematically}的区域建议网络（Cascade RPN）结构。首先，Cascade RPN不使用具有预定义比例和纵横比的多个锚点，而是依赖于每个位置的\textit{single anchor}并执行多级细化。每个阶段在定义阳性样本时逐渐更加严格，从无锚点度量开始，然后在随后的阶段中使用基于锚点的度量。其次，为了在整个阶段中实现特征和锚点之间的对齐，提出了\textit{adaptive convolution}，该方法将锚点以及图像特征作为其输入，并学习由锚点引导的采样特征。一个简单的实施两阶段级联RPN实现AR 13.4点高于传统的RPN，超过任何现有的区域建议的方法。当采用Fast R-CNN和Faster R-CNN时，Cascade RPN可以分别将检测mAP提高3.1和3.5个点。该代码可在\url{https://github.com/thangvubk/Cascade-RPN.git}上公开获取。

2019-12-04cs.CV

FA-RPN：浮动区域人脸检测算法

FA-RPN: Floating Region Proposals for Face Detection

我们提出了一种新的方法来生成区域的建议进行人脸检测。我们采用基于池化的方法来生成区域建议，而不是使用卷积特征图中像素的特征对锚框进行分类。然而，汇集数十万个锚，这些锚被评估用于生成建议，成为推理过程中的计算瓶颈。为此，提出了一种有效的锚放置策略，以减少锚盒的数量。然后，我们表明，我们的网络（浮动锚区域建议网络，FA-RPN）生成的建议是优于RPN生成区域建议的人脸检测。我们讨论了FA-RPN建议的几个有益功能，如迭代细化，分数锚点的放置和更改锚点，这些功能可以在不对训练模型进行任何更改的情况下启用。我们基于FA-RPN的人脸检测器在WIDER数据集上获得了89.4%的mAP，具有ResNet-50骨干。

2018-12-13cs.CV

基于无锚区域建议网络的快速R-CNN文本检测方法

An Anchor-Free Region Proposal Network for Faster R-CNN based Text Detection Approaches

South China University of Technology（华南理工大学）；Microsoft Research Asia（微软亚洲研究院）

Faster R-CNN和SSD框架的锚机制被认为对场景文本检测不够有效，这可以归因于其基于锚和地面真值框之间的IoU匹配标准。为了更好地包围各种形状的场景文本实例，需要人工设计各种尺度、长宽比甚至方向的锚点，这使得基于锚点的方法复杂且效率低下。在本文中，我们提出了一种新的无锚区域建议网络（AF-RPN）来取代Faster R-CNN框架中原始的基于锚的RPN，以解决上述问题。与普通RPN和FPN-RPN相比，AF-RPN可以摆脱复杂的锚点设计，在大规模COCO-Text数据集上获得更高的召回率。由于高质量的文本提案，我们基于Faster R-CNN的两阶段文本检测方法在ICDAR-2017 MLT，ICDAR-2015和ICDAR-2013文本检测基准测试中仅使用单尺度和单模型（ResNet 50）测试时获得了最先进的结果。

2018-04-24cs.CV

使用选定锚点的场景文本检测

Scene Text Detection with Selected Anchor

Wuhan University of Technology（武汉理工大学）

场景文本检测经常使用密集锚定方案的对象建议技术来实现高召回率。该方法在精度上有了很大的提高，但在计算搜索、回归和分类等方面存在一定的浪费。在本文中，我们提出了一个基于锚点选择的区域建议网络（AS-RPN）使用有效的选择锚点，而不是密集的锚点来提取文本建议。锚点的中心、尺度、长宽比和方向是可学习的，而不是固定的，这导致了高召回率和大大减少的锚点数量。通过在Faster RCNN中替换基于锚点的RPN，基于AS-RPN的Faster RCNN可以在标准基准测试中实现与以前最先进的文本检测方法相当的性能，包括COCO-Text，ICDAR 2013，ICDAR 2015和MSRA-TD 500，仅使用单尺度和单模型（ResNet 50）测试。

2020-08-19cs.CVcs.LGeess.IV

MRDet：一种用于航空图像中精确定向目标检测的多头网络

MRDet: A Multi-Head Network for Accurate Oriented Object Detection in Aerial Images

航空图像中的目标通常具有任意方向，并且密集地位于地面上，这使得它们非常难以检测。许多最近开发的方法试图通过估计额外的方向参数和放置密集的锚来解决这些问题，这将导致高模型复杂性和计算成本。在本文中，我们提出了一个任意面向区域的建议网络（AO-RPN），以产生定向的建议，从水平锚转换。AO-RPN是非常有效的，只有少量的参数增加比原来的RPN。此外，为了获得准确的边界框，我们将检测任务解耦为多个子任务，并提出了一个多头网络来完成它们。每个头部都是专门设计来学习最适合相应任务的特征，这使得我们的网络能够准确地检测物体。为了方便起见，我们将其命名为MRDet，即多头旋转物体探测器的缩写。我们在两个具有挑战性的基准上测试所提出的MRDet，即，DOTA和HRSC 2016，并将其与几种最先进的方法进行比较。我们的方法取得了非常有前途的结果，清楚地证明了其有效性。

2021-09-20cs.CV

Mask TextSpotter v3：一种用于鲁棒场景文本定位的分割建议网络

Mask TextSpotter v3: Segmentation Proposal Network for Robust Scene Text Spotting

Huazhong University of Science and Technology（华中科技大学）；Facebook AI（Facebook人工智能）

近年来，端到端可训练的场景文本定位方法，结合检测和识别，显示了很大的进展。然而，目前大多数的任意形状的场景文本spotters使用区域建议网络（RPN）产生的建议。RPN在很大程度上依赖于手动设计的锚点，其建议用轴对齐的矩形表示。前者在处理极端纵横比或不规则形状的文本实例时存在困难，而后者通常在密集定向文本的情况下将多个相邻实例包含到单个提案中。为了解决这些问题，我们提出了Mask TextSpotter v3，这是一个端到端的可训练场景文本定位器，它采用了分割建议网络（SPN）而不是RPN。我们的SPN是无锚的，并给出了任意形状的建议的准确表示。因此，它在检测极端纵横比或不规则形状的文本实例方面优于RPN。此外，SPN产生的准确建议允许掩蔽的RoI特征用于解耦相邻文本实例。因此，我们的TextMask TextSpotter v3可以处理极端宽高比或不规则形状的文本实例，其识别精度不会受到附近文本或背景噪音的影响。具体来说，我们在Rotated ICDAR 2013数据集上的表现比最先进的方法高出21.9%（旋转鲁棒性），在Total-Text数据集上高出5.9%（形状鲁棒性），并在MSRA-TD 500数据集上实现了最先进的性能（纵横比鲁棒性）。代码可在：https://github.com/MhLiao/MaskTextSpotterV3

2020-07-18cs.CV

更多相关论文收起更多论文

DeRPN：向更通用的目标检测迈进了一步

DeRPN: Taking a further step toward more general object detection

South China University of Technology（华南理工大学）

目前大多数检测方法都采用锚框作为回归参考。然而，检测性能对锚框的设置敏感。锚框的适当设置可能在不同的数据集之间存在显著差异，这严重限制了检测器的通用性。为了提高检测器的自适应性，本文提出了一种新的维数分解区域建议网络（DeRPN），可以完美地取代传统的区域建议网络（RPN）。DeRPN利用锚串机制独立匹配对象的宽度和高度，这有利于处理不同的对象形状。此外，设计了一种新的尺度敏感损失，以解决不同尺度对象的不平衡损失计算，这可以避免小对象被大对象淹没。在通用目标检测数据集（Pascal VOC 2007、2012和MS COCO）和场景文本检测数据集（ICDAR 2013和COCO-Text）上进行的综合实验都证明了我们的DeRPN可以显著优于RPN。值得一提的是，所提出的DeRPN可以直接应用于不同的模型、任务和数据集，而无需对超参数进行任何修改或专门优化，这进一步证明了其自适应性。该代码将在https://github.com/HCIILAB/DeRPN上发布。

2018-11-16cs.CV

区域建议（通过引导式咨询）

Region Proposal by Guided Anchoring

The Chinese University of Hong Kong（香港中文大学）；Amazon Rekognition（亚马逊 Rekognition）；Nanyang Technological University（南洋理工大学）

区域锚是现代目标检测技术的基石。最先进的检测器主要依赖于密集的锚定方案，其中锚点在空间域上以预定义的尺度和纵横比的集合均匀地采样。在本文中，我们将重新审视这一基础阶段。我们的研究表明，它可以做得更有效和更高效。具体来说，我们提出了一种替代方案，命名为引导锚定，它利用语义功能来指导锚定。所提出的方法联合预测感兴趣的对象的中心可能存在的位置，以及在不同的位置的尺度和长宽比。在预测的锚形状之上，我们用特征自适应模块减轻了特征不一致。我们还研究了使用高质量的建议，以提高检测性能。锚定方案可以无缝集成到建议方法和检测器中。通过引导式匹配，我们在MS COCO上实现了9.1%的高召回率，锚点比RPN基线少90%。我们还在Fast R-CNN，Faster R-CNN和RetinaNet中采用了Guided训练，分别将检测mAP提高了2.2%，2.7%和1.2%。代码将在https://github.com/open-mmlab/mmdetection上提供。

2019-04-12cs.CV

双锚点R-CNN用于人群中的人体检测

Double Anchor R-CNN for Human Detection in a Crowd

Megvii Inc. (Face++)（旷视科技（Face++））；Tsinghua University（清华大学）；Xi’an Jiaotong University（西安交通大学）；Zhejiang University（浙江大学）

由于遮挡模式的不确定性，在人群中检测人是一个具有挑战性的问题。在本文中，我们提出了利用头部来处理人群遮挡问题的人体检测。双锚RPN用于成对捕获身体和头部。一个建议交叉策略被引入到生成高质量的建议，这两个部分作为一个训练增强。耦合的建议的功能，然后有效地聚合，以利用固有的关系。最后，开发了一个联合NMS模块，用于鲁棒的后处理。该框架被称为Double Anchor R-CNN，能够在拥挤的场景中同时检测每个人的身体和头部。国家的最先进的结果报告具有挑战性的人类检测数据集。我们的模型在CrowdHuman上产生的对数平均未命中率（MR）为51.79pp，在COCOPersons~（拥挤子数据集）上为55.01pp，在CrowdPose~（拥挤子数据集）上为40.02pp，分别比以前的基线检测器高出3.57pp，3.82pp和4.24pp。我们希望我们简单而有效的方法将作为一个坚实的基线，并有助于缓解未来拥挤的人体检测研究。

2019-09-22cs.CV

基于定位点的单次目标检测中的位置感知盒推理

Location-Aware Box Reasoning for Anchor-Based Single-Shot Object Detection

The University of Kansas（堪萨斯大学）

在大多数目标检测框架中，实例分类的置信度被用作预测边界框的质量标准，如非最大抑制（NMS）中基于置信度的排名。然而，表示空间关系的边界框的质量不仅与分类分数相关。与基于区域建议网络（RPN）的检测器相比，单次目标检测器由于缺乏对框建议的预先选择而遭受框质量。在本文中，我们针对单镜头目标检测器，并提出了一个位置感知的基于锚的推理（LAAR）的包围盒。LAAR将位置置信度和分类置信度作为边界框质量评估的依据。我们引入了一种新的网络块来学习锚点和地面实况之间的相对位置，表示为本地化分数，它在推理阶段充当位置参考。所提出的定位分数导致独立的回归分支，并通过对预测的定位分数进行评分来校准限界框质量，使得可以在NMS中拾取最佳限定的边界框。在MS COCO和PASCAL VOC基准测试上的实验表明，所提出的位置感知框架增强了现有基于锚点的单次目标检测框架的性能，并产生了一致和鲁棒的检测结果。

2020-07-13cs.CV

基于IoU-Awareness的实时的无锚点单级三维检测

Real-Time Anchor-Free Single-Stage 3D Detection with IoU-Awareness

Horizon Robotics（地平线机器人）

在这份报告中，我们介绍了我们在CVPR 2021的Waymo开放数据集挑战赛中获得的实时的【形】【形状】3D检测和“最高效模型”的获奖解决方案。从我们去年的获奖模型AFDet扩展而来，我们对基本模型进行了一些修改，以提高准确性，同时大大减少延迟。修改后的模型被命名为AFDetV 2，具有精简的3D特征提取器，具有扩展感受野的改进RPN和增加的子头，可以产生IoU感知的置信度得分。这些模型增强，加上丰富的数据增强、随机权重平均和基于GPU的体素化实现，使我们的AFDetV 2的准确度达到73.12 mAPH/L2，延迟为60.06 ms，AFDetV 2-base的准确度达到72.57 mAPH/L2，被挑战发起者称为“最高效模型”，具有55.86毫秒的获胜延迟。

2021-08-03cs.CV

R $^3$ -Net：一个用于航空图像和视频中多方向车辆检测的深度网络

R$^3$-Net: A Deep Network for Multi-oriented Vehicle Detection in Aerial Images and Videos

Beihang University（北京航空航天大学）；German Aerospace Center（德国航空航天中心）；Technical University of Munich（慕尼黑工业大学）；University of New Brunswick（新不伦瑞克大学）

车辆检测是航空遥感应用中一项重要而又具有挑战性的任务。现有的车辆检测方法大多采用规则矩形框，无法提供车辆的方向信息。然而，方向信息是至关重要的几个实际应用，如轨迹和运动估计的车辆。在本文中，我们提出了一种新的深度网络，称为可旋转区域为基础的残差网络（R $^3$ -Net），检测航空图像和视频中的多方向车辆。更具体地说，R $^3$ -Net被用于在半坐标系中生成可旋转的矩形目标框。首先，我们使用可旋转区域建议网络（R-RPN）从深度卷积神经网络产生的特征图中生成可旋转感兴趣区域（R-ROI）。在这里，提出了一个批量平均可旋转锚（BAR锚）的策略应用于初始化车辆候选人的形状。接下来，我们提出了一个可旋转的检测网络（R-DN）的R-ROI的最终分类和回归。在R-DN中，设计了一种新的可旋转位置敏感池（R-PS池），以在对R-RoIs的特征图进行下采样的同时保持位置和方向信息。在我们的模型中，R-RPN和R-DN可以联合训练。我们在两个开放的车辆检测图像数据集上测试了我们的网络，即DLR 3 K Munich Dataset和VEDAI Dataset，证明了我们方法的高精度和鲁棒性。最后，通过对航拍视频的仿真实验，验证了该方法的泛化能力和在航拍视频车辆跟踪中的应用潜力。演示视频可在https://youtu.be/xCYD-tYudN0上获得。

2018-08-16cs.CV

Mask is All You Need：重新思考用于密集和异形场景文本检测的Mask R-CNN

Mask is All You Need: Rethinking Mask R-CNN for Dense and Arbitrary-Shaped Scene Text Detection

Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）；School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院）；Guangzhou University（广州大学）；Mashang Consumer Finance Co., Ltd.（马上消费金融股份有限公司）

由于在目标检测和实例分割方面的巨大成功，Mask R-CNN引起了极大的关注，并被广泛用作任意形状场景文本检测和定位的强基线。然而，有两个问题尚待解决。第一种是密集文本情况，这是很容易被忽视，但相当实用。在一个方案中可能存在多个实例，这使得掩模头难以区分不同的实例，从而降低性能。在这项工作中，我们认为，性能下降的结果，从学习混乱的问题，在面具头。我们建议在掩码头中使用MLP解码器而不是“deconv-conv”解码器，这解决了问题并显著提高了鲁棒性。我们提出了实例感知的掩码学习，其中掩码头学习预测整个实例的形状，而不是将每个像素分类为文本或非文本。通过实例感知掩码学习，掩码分支可以学习分离和紧凑的掩码。其次，由于比例和长宽比的变化很大，RPN需要复杂的锚点设置，因此很难在不同的数据集之间进行维护和传输。为了解决这个问题，我们提出了一个自适应的标签分配，其中所有的实例，特别是那些极端的长宽比，保证与足够的锚。配备了这些组件，所提出的名为MAYOR的方法在包括DAST 1500，MSRA-TD 500，ICDAR 2015，CTW 1500和Total-Text在内的五个基准上实现了最先进的性能。

2021-09-08cs.CV

基于WCE序列多尺度融合的胃肠道息肉和肿瘤检测

Gastrointestinal Polyps and Tumors Detection Based on Multi-scale Feature-fusion with WCE Sequences

South Central University for Nationalities（中南民族大学）；Nanjing Eastern Theater General Hospital（南京东部战区总医院）

无线胶囊内窥镜（WCE）因其对整个消化道无创、无痛成像的优势，已被广泛应用于胃肠道（GI）疾病尤其是小肠的筛查，但WCE采集的图像数据量巨大，使得人工阅片过程任务量巨大，容易导致病变的漏诊和误检，因此，在本文中，我们提出了一个\textbf{T}两阶段\textbf{M}多尺度\textbf{F} eature-fusion学习网络（\textbf{TMFNet}）自动检测WCE图像序列中的小肠息肉和肿瘤。具体来说，TMFNet由病变检测网络和病变识别网络组成。其中，前者在传统Faster R-CNN网络的基础上改进了特征提取模块和检测模块，并重新调整了区域建议网络（RPN）模块中锚点的参数;后者将残差结构和特征金字塔结构相结合，构建了基于特征融合的小肠病变识别网络，实验中我们使用了22，335幅WCE图像，共123，092个病变区域来训练本文的检测框架。在实验中，该检测框架在医院消化科提供的真实WCE图像数据集上进行了训练和测试。模型在RPM上的灵敏度、假阳性率和准确率分别为98.81 $\%$、7.43 $\%$和92.57 $\%$，在病变图像上的灵敏度、假阳性率和准确率分别为98.75 $\%$、5.62 $\%$和94.39 $\%$。本文提出的算法模型在检测效果和性能上明显优于其他检测算法

2022-04-03cs.CVeess.IV