Detection of 3D Bounding Boxes of Vehicles Using Perspective Transformation for Accurate Speed Measurement
Comenius University in Bratislava（布拉迪斯拉发夸美纽斯大学）
交通监控摄像头捕获的车辆的检测和跟踪是智能交通系统的关键组成部分。我们提出了一个改进的版本，我们的算法检测的三维包围盒的车辆，跟踪和随后的速度估计。我们的算法利用已知的几何形状的消失点在被监视的场景中构建一个透视变换。该变换使得能够使用标准2D对象检测器将检测3D边界框的问题直观地简化为具有一个附加参数的2D边界框的检测。本文的主要贡献是一个改进的建设的透视变换，这是更强大的，全自动和扩展的实验评估的速度估计。我们在BrnoCompSpeed数据集的速度估计任务上测试我们的算法。我们评估我们的方法与不同的配置，以衡量准确性和计算成本之间的关系，并在2D检测的3D限界框检测的好处。所有经过测试的配置都是实时运行的，并且是全自动的。与其他已发表的最先进的全自动结果相比，我们的算法将平均绝对速度测量误差降低了32%（1.10 km/h至0.75 km/h），将绝对中值误差降低了40%（0.97 km/h至0.58 km/h）。
2020-08-04 cs.CV
Boxer: Robust Lifting of Open-World 2D Bounding Boxes to 3D
Meta Reality Labs Research（Meta现实实验室）
Boxer通过Transformer网络将2D边界框提升到3D，结合多视角融合和几何过滤，实现鲁棒的3D边界框估计，减少对标注数据的依赖，提升开放世界下的定位性能。
2026-04-06 cs.CV
Oriented Bounding Boxes for Small and Freely Rotated Objects
Ingenuity Labs Research Institute（Ingenuity Labs 研究院）
提出了一种新的目标检测方法，可以处理任意大小的自由旋转目标，包括小到$2\times 2$像素的微小目标。这种微小目标在遥感图像中频繁出现，对现有的目标检测算法提出了挑战。更重要的是，当前的目标检测方法最初被设计为适应轴对齐的限界框检测，因此不能准确地定位最佳地描述自由旋转的对象的定向框。相比之下，所提出的基于CNN的方法使用潜在的像素信息在多个尺度级别，而不需要任何外部资源，如锚盒。该方法编码的精确位置和方向的目标对象的功能在网格单元位置。与现有的方法，回归的限界框的位置和尺寸，所提出的方法学习所有需要的信息分类，这具有额外的好处，使定向限界框检测，而无需任何额外的计算。因此，它仅在推理时通过为每个相同的预测类标签集找到最小周围框来推断边界框。此外，旋转不变特征表示被应用于每个尺度，这施加了正则化约束以强制覆盖训练样本的360度平面内旋转范围以共享相似特征。在xView和DOTA数据集上的评估表明，该方法比现有的最先进的方法一致地提高了性能。
2021-04-24 cs.CV
Bounding Box Stability against Feature Dropout Reflects Detector Generalization across Environments
The Australian National University（澳大利亚国立大学）；OpenGVLab（开放视觉实验室）；Shanghai AI Laboratory（上海人工智能实验室）；The Chinese University of Hong Kong（香港中文大学）；Nanjing University（南京大学）；Tsinghua University（清华大学）
本文提出边界框稳定性分数（BoS score），通过计算特征图Dropout前后边界框的平均IoU变化，发现其与mAP强正相关，从而在无需测试真实值的情况下预测检测器跨环境的泛化能力。
2024-03-20 cs.CV
Gaussian Bounding Boxes and Probabilistic Intersection-over-Union for Object Detection
Department of Informatics（信息学系）；Federal University of Rio Grande do Sul（南里奥格兰德联邦大学）
本研究提出基于高斯分布的目标区域模糊表示及概率交并比（ProbIoU）相似性度量，并设计映射方案使其能无缝集成到任意目标检测器中。
2021-06-10 cs.CV
Multi-scale Cell Instance Segmentation with Keypoint Graph based Bounding Boxes
Rutgers University（罗格斯大学）；JD Digits（京东数字科技）；Lieber Institute for Brain Development（利伯大脑发育研究所）
大多数现有方法直接处理细胞实例分割问题，而不依赖于额外的检测框。由于缺乏对物体的全局理解，这些方法通常无法分离接触细胞。相比之下，基于框的实例分割通过将目标检测与分割相结合来解决这个问题。然而，现有的方法通常利用基于锚盒的检测器，这将导致较差的实例分割性能由于类不平衡的问题。本文提出了一种新的基于盒的细胞实例分割方法。特别地，我们首先通过关键点检测来检测细胞的五个预定义点。然后，我们根据关键点图对这些点进行分组，并随后提取每个单元的限界框。最后，在边界框内的特征图上执行单元分割。我们验证了我们的方法在两个细胞数据集与不同的对象形状，经验证明我们的方法相比，其他实例分割技术的优越性。代码可在：https://github.com/yijingru/KG_Instance_Segmentation.
2019-07-25 cs.CV
Universal Bounding Box Regression and Its Applications
POSTECH（浦项科技大学）
边界框回归是近年来目标检测方法中一种常用的改进或预测定位框的技术。通常，边界框回归器被训练为从区域提议或固定锚框回归到预定义目标对象类的附近边界框。本文研究了该技术是否可推广到看不见的类，并可转移到其他任务以外的监督目标检测。为此，我们提出了一种与类无关且无锚点的框回归器，称为通用边界框回归器（UBBR），它预测距离任何给定框最近的对象的限界框。在相对较小的一组注释图像上训练，UBBR成功地推广到看不见的类，并可用于改善许多视觉问题的定位。我们证明了它的有效性弱监督目标检测和对象发现。
2019-04-15 cs.CV
Weakly Supervised Image Segmentation Beyond Tight Bounding Box Annotations
Horizon Med Innovation, Inc.（Horizon Med创新公司）；Shenzhen SiBright Co., Ltd.（深圳思博瑞特有限公司）
现有的弱监督图像分割方法通常在紧限界框监督下获得较高的分割性能，而在松边界框监督下分割性能会大大下降。然而，与松散的限界框相比，紧密的限界框对边界框四边的精确位置有着严格的要求，其获取难度要大得多。为了解决这个问题，本研究调查是否有可能保持良好的分割性能时，松散的边界框作为监督。为了这个目的，这项工作扩展了我们以前的并行变换为基础的多实例学习（MIL）紧密的限界框监督整合MIL策略的基础上极变换，以协助图像分割。所提出的基于极坐标变换的MIL公式适用于紧边界框和松边界框，其中正袋被定义为限界框的极坐标线中的像素，其中一个端点位于由框包围的对象内部，另一个端点位于框的四边之一。此外，加权平滑最大值近似被引入到合并的观察，更接近的极坐标变换的原点的像素更有可能属于在框中的对象。在两个公共数据集上，当边界框在不同的精度水平时，使用骰子系数对所提出的方法进行了评估。结果表明，所提出的方法实现了最先进的性能，在所有精度水平的边界框，是强大的松散的限界框注释中的轻度和中度错误。代码可在\url{https://github.com/wangjuan313/wsis-beyond-tightBB}上获得。
2023-01-28 cs.CV
Shape-IoU: More Accurate Metric considering Bounding Box Shape and Scale
本文提出Shape-IoU边界框回归方法，通过关注边界框自身的形状与尺度因素来计算损失，实验表明该方法能有效提升检测性能并在不同检测任务中达到最先进水平。
2024-01-12 cs.CV
Box2Mask: Weakly Supervised 3D Semantic Instance Segmentation Using Bounding Boxes
University of Tübingen（图宾根大学）；Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）；ETH Zürich（苏黎世联邦理工学院）
本文提出 Box2Mask，利用三维边界框标签实现弱监督三维语义实例分割，通过霍夫投票直接预测边界框参数并专门聚类，在 ScanNet 上领先其他弱监督方法并接近全监督性能。
2023-10-31 cs.CV
Detecting 11K Classes: Large Scale Object Detection without Fine-Grained Bounding Boxes
Amazon Web Services（亚马逊云科技）
深度学习的最新进展大大提高了目标检测的性能。Faster-RCNN、FPN和R-FCN等最先进的方法在具有挑战性的基准数据集上实现了高精度。然而，这些方法需要完全注释的对象边界框进行训练，由于注释成本高，因此难以扩展。另一方面，弱监督方法只需要图像级标签进行训练，但性能远远低于完全监督方法。本文提出了一种半监督的大规模细粒度检测方法，该方法只需要少量粗粒度类的限界框标注和大规模细粒度类的图像级标签，就能以接近全监督的精度检测出所有类.我们实现这一目标，利用粗粒度和细粒度的类之间的相关性，共享骨干，软关注为基础的建议重新排名，和一个双级内存模块。实验结果表明，我们的方法可以达到接近的目标检测的准确性，最先进的全监督方法在两个大规模的数据集，ImageNet和OpenImages，只有一小部分的完全注释类。
2019-08-14 cs.CV
Bounding Box Regression with Uncertainty for Accurate Object Detection
Carnegie Mellon University（卡内基梅隆大学）；Megvii Inc. (Face++)（旷视科技（Face++））
大规模目标检测数据集（例如，MS-COCO）尝试尽可能清晰地定义地面实况边界框。然而，我们观察到，当标记边界框时，仍然会引入歧义。在本文中，我们提出了一种新的限界框回归损失学习限界框变换和本地化方差一起。我们的损失大大提高了各种架构的定位精度，几乎没有额外的计算。学习到的定位方差允许我们在非最大抑制（NMS）期间合并相邻的边界框，这进一步提高了定位性能。在MS-COCO上，我们将VGG-16 Faster R-CNN的平均精度（AP）从23.6%提高到29.1%。更重要的是，对于ResNet-50-FPN Mask R-CNN，我们的方法将AP和AP 90分别提高了1.8%和6.2%，显著优于之前最先进的限界框细化方法。我们的代码和模型可在github.com/yihui-he/KL-Loss上获得
2019-04-16 cs.CV
Training Multi-Object Detector by Estimating Bounding Box Distribution for Input Image
Seoul National University（首尔大学）；Samsung Advanced Institute of Technology（三星综合技术院）
在使用神经网络的多目标检测中，基本问题是，“网络应该如何学习不同输入图像中可变数量的边界框？".先前的方法通过将地面实况边界框直接分配给网络输出的特定位置的过程来训练多目标检测网络。然而，该过程使得多目标检测网络的训练过于启发式和复杂。本文将多目标检测问题转化为边界框密度估计问题。我们不是将每个地面实况分配给网络输出的特定位置，而是通过使用混合模型估计输入图像中边界框的概率密度来训练网络。为此，我们提出了一种新的网络的目标检测称为混合密度目标检测器（MDOD），和相应的目标函数的密度估计为基础的训练。我们将MDOD应用于MS COCO数据集。我们提出的方法不仅处理多目标检测问题在一个新的方法，但也通过MDOD提高检测性能。代码可在https://github.com/yoojy31/MDOD上找到。
2021-09-05 cs.CV
Anchor-Intermediate Detector: Decoupling and Coupling Bounding Boxes for Accurate Object Detection
Tsinghua University（清华大学）；National University of Defense Technology（国防科技大学）
针对单个锚框难以精准预测边界偏移的问题，本文提出边界框解耦-耦合策略与锚框中间检测器AID，通过角点解耦耦合及角点感知头提升检测精度，在MS COCO上较基线RetinaNet、GFL分别提升约2.4、1.2 AP。
2023-10-09 cs.CV
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。
2020-07-13 cs.CV
Generating Positive Bounding Boxes for Balanced Training of Object Detectors
Middle East Technical University（中东技术大学）
两阶段深度对象检测器在第一阶段中生成一组感兴趣区域（ROI），然后在第二阶段中，在所提出的ROI中识别与地面实况（GT）框充分重叠的对象。第二阶段是已知的遭受偏向ROI，具有低的交叉联合（IoU）与相关的GT盒。为了解决这个问题，我们首先提出了一种采样方法来生成与给定参考框重叠超过给定IoU阈值的边界框（BB）。然后，我们使用这种BB生成方法来开发一个正RoI（pRoI）生成器，该生成器在第二阶段生成遵循任何所需空间或IoU分布的RoI。我们表明，我们的pRoI生成器能够模拟其他采样方法的积极的例子，如硬的例子挖掘和总理采样。使用我们的生成器作为分析工具，我们表明：（i）IoU不平衡对性能有不利影响，（ii）硬正例挖掘仅对某些输入IoU分布提高了性能，（iii）前景类之间的不平衡对性能有不利影响，并且可以在批处理级别上缓解。最后，我们使用我们的pRoI生成器训练更快的R-CNN，与传统训练相比，在Pascal VOC和MS COCO数据集的更高IoU训练时，低IoU获得更好或同等的性能。该代码可从以下网址获取：https://github.com/kemaloksuz/BoundingBoxGenerator。
2020-06-19 cs.CV
Oriented Boxes for Accurate Instance Segmentation
Research MVTec Software GmbH（MVTec软件公司（Research MVTec Software GmbH））；Munich, Germany（德国慕尼黑（此处仅为地址信息，不应提取为机构，原文本中机构粒度已满足，地址部分按要求忽略））
最先进的实例感知语义分割算法使用轴对齐的边界框作为中间处理步骤来推断最终的实例掩码输出。由于以下原因，这通常导致粗糙和不准确的遮罩建议：轴对齐框具有高的背景与前景像素比，遮罩目标相对于底层框有很大的变化，并且相邻实例经常到达感兴趣的实例遮罩的轴对齐限界框。在这项工作中，我们克服了这些问题，提出使用定向框作为基础来推断实例掩码。我们发现，面向实例分割提高了掩模预测，特别是当对象对角对齐，接触，或相互重叠。我们在D2S和Screws数据集上评估了我们的模型，结果表明，与使用轴对齐边界框的实例分割相比，我们可以分别将掩模精度提高10%和12% mAP。在新引入的Pill Bags数据集上，我们仅使用10%的掩码注释就优于基线。
2020-03-13 cs.CV
LooseCut: Interactive Image Segmentation with Loosely Bounded Boxes
University of South Carolina（南卡罗来纳大学）；Zhejiang University（浙江大学）；Utah State University（犹他州立大学）
从图像中交互地分割感兴趣的前景对象的一种流行方法是注释覆盖前景对象的限界框。然后，执行二进制标记以实现精细分割。用于这种交互式图像分割的现有算法的一个主要问题是它们对紧密包围前景对象的输入限界框的偏好。这增加了注释负担，并阻止这些算法利用自动检测到的边界框。在本文中，我们开发了一个新的LooseCut算法，可以处理的情况下，输入的限界框只松散地覆盖前景对象。我们提出了一个新的马尔可夫随机场（MRF）模型分割松散的有界框，包括一个全局相似性约束，以更好地区分前景和背景，和一个额外的能量项，以鼓励一致的标签相似外观的像素。这个MRF模型，然后解决了迭代最大流算法。在实验中，我们在三个公开的图像数据集中评估LooseCut，并将其性能与几种最先进的交互式图像分割算法进行比较。我们还表明，LooseCut可用于增强无监督视频分割和图像显著性检测的性能。
2015-11-22 cs.CV
Distribution-Aware Calibration for Object Detection with Noisy Bounding Boxes
The Chinese University of Hong Kong（香港中文大学）；Tencent YouTu Lab（腾讯优图实验室）；Zhejiang Lab（之江实验室）
针对边界框标注噪声导致监督信号受损及检测性能下降的问题，提出DISCO方法，通过建模候选框空间分布校准监督信号，并利用三种分布感知技术提升分类、定位和可解释性，在高噪声水平下实现最先进的检测性能。
2024-08-27 cs.CV
Spatial Self-Distillation for Object Detection with Inaccurate Bounding Boxes
University of Chinese Academy of Sciences（中国科学院大学）
针对不精确边界框监督检测中的目标漂移等问题，提出SSD-Det，通过SPSD与SISD两个空间自蒸馏模块融合空间和类别信息并优选提议，在噪声标注的MS-COCO和VOC上达到最先进性能。
2023-08-15 cs.CV
1st Place Solution for the UVO Challenge on Image-based Open-World Segmentation 2021
Ecole des Ponts（法国国立路桥学校）；Univ Gustave Eiffel（古斯塔夫·埃菲尔大学）；CNRS（法国国家科学研究中心）；Inria（法国国家信息与自动化研究所）；Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；Grenoble INP（格勒诺布尔理工学院）
我们描述了我们的两个阶段的实例分割框架，我们用来竞争的挑战。我们的框架的第一阶段包括一个对象检测器，它生成边界框格式的对象建议。然后，将图像和检测到的边界框馈送到第二阶段，在第二阶段中，应用分割网络来分割边界框中的对象。我们以一种与类无关的方式训练所有网络。我们的方法在UVO 2021基于图像的开放世界分割挑战赛中获得第一名。
2021-10-19 cs.CV
Segmentation-Based Bounding Box Generation for Omnidirectional Pedestrian Detection
Hitachi, Ltd.（日立制作所）
针对全向图像中行人任意旋转导致检测退化的问题，本文利用现有大规模数据集的分割标注生成紧密贴合的旋转边界框训练检测器，并提出伪鱼眼畸变增强，在无需全向训练图像和额外标注的情况下显著提升检测性能。
2023-06-04 cs.CV
G-CNN: an Iterative Grid Based Object Detector
University of Maryland, College Park（马里兰大学帕克分校）
我们介绍了G-CNN，这是一种基于CNN的目标检测技术，无需建议算法。G-CNN从固定边界框的多尺度网格开始。我们训练一个回归器来迭代地向对象移动和缩放网格的元素。G-CNN将目标检测问题建模为找到从固定网格到紧密围绕对象的框的路径。G-CNN在多尺度网格中有大约180个框，它可以执行快速R-CNN，快速R-CNN使用大约2K的边界框，这些边界框是通过建议技术生成的。该策略通过移除对象建议阶段以及减少要处理的框的数量来使检测更快。
2016-04-25 cs.CV
Sketchy Bounding-box Supervision for 3D Instance Segmentation
PCA Lab, College of Computer Science, Nankai University（南开大学计算机科学学院PCA实验室）；School of Electronics and Information, Northwestern Polytechnical University（西北工业大学电子与信息学院）；State Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室）；School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院）
针对弱监督3D实例分割中边界框不准确的问题，提出Sketchy-3DIS框架，联合学习伪标签器和分割器，在ScanNetV2和S3DIS上达到最先进性能。
2025-05-22 cs.CV
On-the-fly Network Pruning for Object Detection
Computer Vision Centre（计算机视觉中心）；Universitat Autònoma de Barcelona（巴塞罗那自治大学）
利用深度神经网络的目标检测通常通过针对每个图像使几千个候选边界框通过深度神经网络来执行。这些边界框是高度相关的，因为它们来自相同的图像。在本文中，我们研究如何利用特征发生在图像规模修剪神经网络，随后适用于所有的边界框。我们表明，删除图像中具有接近零激活的单元可以显着减少网络中的参数数量。PASCAL 2007目标检测挑战赛的结果表明，在一些完全连接的层中，高达40%的单元可以完全消除，而检测结果几乎没有变化。
2016-05-11 cs.CV
Harnessing Uncertainty-aware Bounding Boxes for Unsupervised 3D Object Detection
University of Macau（澳门大学）；CSIRO Data61（联邦科学与工业研究组织数据61）；Shanghai University（上海大学）
针对无监督3D目标检测中伪边界框噪声影响模型性能的问题，提出含不确定性估计与正则化的UA3D框架，通过主辅检测器预测差衡量坐标不确定性并自适应调整损失权重，在nuScenes和Lyft数据集上实现显著性能提升。
2024-10-08 cs.CV
Weighted boxes fusion: Ensembling boxes from different object detection models
Institute for Design Problems in Microelectronics of Russian Academy of Sciences（俄罗斯科学院微电子设计问题研究所）；National University of Singapore（新加坡国立大学）；Cork University Hospital（科克大学医院）
在这项工作中，我们提出了一种新的方法，结合预测的目标检测模型：加权盒融合。我们的算法利用所有建议的边界框的置信度得分来构造平均框。我们在几个数据集上测试了该方法，并在Open Images和COCO目标检测轨道的背景下对其进行了评估，在这些挑战中取得了最佳结果。源代码可在https://github.com/ZFTurbo/Weighted-Boxes-Fusion上公开获取
2021-02-06 cs.CV
Oriented Object Detection in Aerial Images with Box Boundary-Aware Vectors
Rutgers University（罗格斯大学）
航空图像中的目标以任意方向显示并且通常是密集的，因此航空图像中的定向目标检测是一项具有挑战性的任务。目前的定向目标检测方法主要依赖于两级基于锚点的检测器。然而，基于锚的检测器通常遭受正锚盒和负锚盒之间的严重不平衡问题。为了解决这个问题，在这项工作中，我们扩展的水平关键点为基础的对象检测器的定向目标检测任务。特别地，我们首先检测对象的中心关键点，然后基于此回归框边界感知向量（BBAVectors）以捕获定向边界框。对于所有任意方向的对象，框边界感知向量分布在笛卡尔坐标系的四个象限中。为了减轻角点情况下学习向量的困难，我们进一步将定向包围盒分为水平和旋转包围盒。在实验中，我们表明，学习框边界感知向量优于直接预测的宽度，高度和角度的定向限界框，采用基线方法。此外，所提出的方法与最先进的方法竞争有利。代码可在https://github.com/yijingru/BBAVectors-Oriented-Object-Detection上获得。
2020-08-29 cs.CV
Mask Editor : an Image Annotation Tool for Image Segmentation Tasks
Seagate company（希捷公司）
深度卷积神经网络（DCNN）是最先进的图像分割方法，这是具有挑战性的计算机视觉任务之一。然而，DCNN需要大量的训练图像和相应的图像掩模才能获得良好的分割结果。图像注释软件，这是易于使用，并允许快速图像掩模生成的需求量很大。据我们所知，所有现有的图像注释软件都只支持绘制边界多边形、边界框或边界椭圆来标记目标对象。这些现有软件在瞄准具有不规则形状的对象（例如，织物图像或轮胎图像中的缺陷）。在本文中，我们设计了一个易于使用的图像注释软件称为掩模编辑器的图像掩模生成。Mask Editor允许绘制任何边界曲线来标记对象，并提高标记具有不规则形状的对象的效率。蒙版编辑器还支持绘制边界多边形、绘制边界框、绘制边界椭圆、绘画、擦除、超像素标记、图像裁剪、多类蒙版、蒙版加载和蒙版修改。
2018-09-17 cs.CV
Background-Aware Pooling and Noise-Aware Loss for Weakly-Supervised Semantic Segmentation
Yonsei University（延世大学）
我们解决的问题，弱监督语义分割（WSSS）使用限界框注释。虽然对象边界框是分割相应对象的良好指示器，但它们不指定对象边界，使得难以训练卷积神经网络（CNN）进行语义分割。我们发现，背景区域在图像中部分是感知一致的，这可以用来区分对象边界框内的前景和背景区域。为了实现这一想法，我们提出了一种新的池化方法，称为背景感知池化（BAP），它更侧重于使用注意力地图聚合边界框内的前景特征。这允许提取高质量的伪分割标签来训练CNN进行语义分割，但标签仍然包含噪声，特别是在对象边界处。为了解决这个问题，我们还引入了噪声感知损失（NAL），使网络不太容易受到错误标签的影响。实验结果表明，在PASCAL VOC 2012数据集上，使用我们的伪标签学习的性能已经超过了最先进的弱监督和半监督方法，NAL进一步提高了性能。
2021-04-02 cs.CV
FGR: Frustum-Aware Geometric Reasoning for Weakly Supervised 3D Vehicle Detection
Tsinghua University（清华大学）；Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
在本文中，我们研究了弱监督的3D车辆检测问题。用于3D目标检测的常规方法需要大量的手动标记的3D数据作为监督信号。然而，注释大型数据集需要大量的人力，特别是对于3D区域。为了解决这个问题，我们提出了锥台感知几何推理（FGR）来检测点云中的车辆，而无需任何3D注释。我们的方法包括两个阶段：粗三维分割和三维限界框估计。在第一阶段，设计了一种上下文感知的自适应区域生长算法，基于二维包围盒分割对象。利用预测的分割掩模，我们开发了一种抗噪声方法来估计3D边界框在第二阶段。最后利用该方法生成的三维伪标签对三维检测器进行训练。独立于任何3D地面实况，FGR在KITTI数据集上达到了与完全监督方法相当的性能。研究结果表明，它能够准确地检测对象在三维空间中只有二维边界框和稀疏的点云。
2021-05-17 cs.CV
PerspectiveNet: 3D Object Detection from a Single RGB Image via Perspective Points
从单个RGB图像检测3D对象本质上是模糊的，因此需要适当的先验知识和中间表示作为约束，以减少不确定性并改善2D图像平面和3D世界坐标之间的相关性。为了解决这一挑战，我们建议采用透视点作为一种新的中间表示的三维目标检测，定义为2D投影的本地曼哈顿3D关键点来定位一个对象，这些透视点满足几何约束所施加的透视投影。我们进一步设计了PerspectiveNet，这是一个端到端的可训练模型，可以同时检测来自单个RGB图像的每个对象的2D限界框、2D透视点和3D对象限界框。PerspectiveNet有三个独特的优点：（i）基于透视点估计3D对象边界框，弥合2D和3D边界框之间的差距，而不需要特定于类别的3D形状先验。(ii)该算法通过基于模板的方法预测透视点，并提出一种透视损失来保持透视约束。(iii)它通过一个可微的投影函数来保持2D透视点和3D边界框之间的一致性。在SUN RGB-D数据集上的实验表明，该方法在3D目标检测中的性能明显优于现有的基于RGB的方法。
2019-12-16 cs.CV
Distilling Object Detectors with Feature Richness
University of Science and Technology of China（中国科学技术大学）；SKL of Computer Architecture, Institute of Computing Technology, CAS（中国科学院计算技术研究所计算机体系结构国家重点实验室）；Cambricon Technologies（寒武纪科技）；University of Chinese Academy of Sciences（中国科学院大学）
近年来，大规模深度模型取得了巨大的成功，但巨大的计算复杂性和海量存储需求使其在资源有限的设备中部署面临巨大挑战。知识蒸馏作为一种模型压缩和加速方法，通过转移教师检测器中的暗知识，有效地提高了小模型的性能。然而，现有的基于提取的检测方法主要是模仿边界框附近的特征，这受到两个局限性。首先，它们忽略了边界框之外的有益特征。第二，这些方法模仿了一些被教师检测器误认为背景的特征。为了解决上述问题，我们提出了一种新的特征丰富度分数（FRS）的方法来选择重要的功能，提高广义检测能力在提取。所提出的方法有效地检索边界框外的重要功能，并删除边界框内的有害功能。大量的实验表明，我们的方法在基于锚和无锚检测器上都取得了优异的性能。例如，RetinaNet与ResNet-50在COCO 2017数据集上的mAP达到39.7%，甚至超过了基于ResNet-101的教师检测器38.9%的0.8%。我们的实现可以在https://github.com/duzhixing/FRS上获得。
2021-12-17 cs.CV
Evaluation of Environmental Conditions on Object Detection using Oriented Bounding Boxes for AR Applications
Kingston University（金斯顿大学）；University of Westminster（威斯敏斯特大学）；International Hellenic University（国际希腊大学）；University of Western Macedonia（西马其顿大学）
本研究提出一种结合定向边界框与深度网络的AR目标检测新方法，通过真实和合成数据集评估，证明其在多数环境条件下能提升小目标的平均精度与准确性。
2024-11-11 cs.AI cs.CV
Acquisition of Localization Confidence for Accurate Object Detection
Peking University（北京大学）；Megvii Inc. (Face++)（旷视科技（Face++））；Toutiao AI Lab（今日头条人工智能实验室）；Tsinghua University（清华大学）
现代基于CNN的对象检测器依赖于限界框回归和非最大抑制来定位对象。虽然类别标签的概率自然反映了分类置信度，但不存在本地化置信度。这使得适当局部化的边界框在迭代回归期间退化，甚至在NMS期间被抑制。在本文中，我们提出了IoU-Net学习来预测每个检测到的限界框和匹配的地面实况之间的IoU。网络获得了这种定位的置信度，这通过保留精确定位的边界框来改进NMS过程。此外，提出了一种基于优化的限界框细化方法，其中预测的IoU被制定为目标。在MS-COCO数据集上进行的大量实验表明了IoU-Net的有效性，以及它与几种最先进的目标检测器的兼容性和适应性。
2018-07-30 cs.CV
Extreme clicking for efficient object annotation
University of Edinburgh（爱丁堡大学）；Google Research（谷歌研究院）
手动注释对象边界框是构建计算机视觉数据集的核心，并且非常耗时（注释ILSVRC [53]需要35秒才能获得一个高质量框[62]）。它涉及到点击一个对象周围的紧框的假想角。这是困难的，因为这些角通常在实际物体的外部，并且需要进行多次调整以获得紧密的盒子。我们建议使用极端的点击：我们要求注释者点击对象上的四个物理点：顶部、底部、最左边和最右边的点。这个任务更自然，这些点很容易找到。我们众包了PASCAL VOC 2007和2012的极值点注释，结果表明：（1）每个框的注释时间仅为7秒，比传统的绘制框的方法快5倍[62];（2）框的质量与传统方法绘制的原始地面实况一样好;（3）在我们的注释上训练的检测器与在原始地面事实上训练的检测器一样准确。此外，我们的极端点击策略不仅产生框坐标，但四个准确的边界点。我们展示了（4）如何将它们合并到GrabCut中，以获得比从边界框初始化时提供的更准确的分割;（5）在这些分割上训练的语义分割模型优于在从边界框导出的分割上训练的模型。
2017-08-09 cs.CV
SCALoss: Side and Corner Aligned Loss for Bounding Box Regression
Zhejiang University（浙江大学）；Fabu Inc.（Fabu公司）
限界框回归是目标检测中的一个重要组成部分。最近的工作取得了很好的性能，通过优化的交集在联合~（IoU）。然而，基于IoU的损失在低重叠边界框的情况下存在梯度消失问题，并且模型很容易忽略这些简单的情况。本文提出了Side Overlap~（SO）损失算法，该算法通过最大化两个包围盒的边重叠度，对重叠度较低的限界框进行惩罚。此外，为了加快收敛速度，在目标函数中添加了角点距离~（CD）。结合边重叠和角点距离，得到一个新的回归目标函数\textit{Side and Corner Align Loss~(SCALoss)}。SCALoss与IoU损失密切相关，这也有利于评估指标，但对低重叠情况产生更多惩罚。它可以作为一个全面的相似性度量，导致更好的定位性能和更快的收敛速度。COCO，PASCAL VOC和LVIS基准测试的实验表明，SCALoss可以带来一致的改进，并优于$\ell_n$损失和基于IoU的损失与流行的对象检测器，如YOLOV 3，SSD，Faster-RCNN。代码可在：\url{https://github.com/Turoad/SCALoss} .
2022-04-26 cs.CV
RADDet: Range-Azimuth-Doppler based Radar Object Detection for Dynamic Road Users
University of Ottawa（渥太华大学）；Sensorcortek Inc（Sensorcortek 公司）
与基于摄像头的方法相比，尚未使用深度学习模型探索使用汽车雷达的目标检测。这可能是由于缺乏公共雷达数据集。在本文中，我们收集了一个新的雷达数据集，其中包含雷达数据的形式的距离-方位角-多普勒张量以及张量上的动态道路用户，类别标签和笛卡尔鸟瞰范围图上的二维边界框的边界框。为了构建数据集，我们提出了一种实例自动注释方法。此外，提出了一种新的基于距离-方位-多普勒的多类目标检测深度学习模型。该算法是一个单阶段的锚为基础的检测器，生成三维边界框和二维边界框的距离-方位-多普勒和笛卡尔域，分别。我们提出的算法在3D限界框预测上实现了IOU为0.3的56.3% AP，在2D限界框预测上实现了IOU为0.5的51.6% AP。我们的数据集和代码可以在https://github.com/ZhangAoCanada/RADDet.git上找到。
2021-05-02 cs.CV eess.SP
Probabilistic Ranking-Aware Ensembles for Enhanced Object Detections
Beihang University（北京航空航天大学）；University at Buffalo（布法罗大学）；Baidu Inc（百度公司）
模型集成正在成为提高目标检测性能的最有效的方法之一。传统的方法直接融合边界框，但在组合检测器时通常无法考虑建议质量。这导致了一个新的问题的置信度差异的检测器合奏。置信度对单个探测器的影响很小，但对探测器集合的影响很大。为了解决这个问题，我们提出了一种新的合奏称为概率排名感知Ensemble（PRAE），细化从检测器的边界框的信心。通过同时考虑同一验证集上的类别和位置，我们获得了基于统计概率的更可靠的置信度。然后，我们可以对检测到的边界框进行排序以进行组装。我们还引入了一个强盗的方法来解决的信心不平衡问题所造成的需要处理不同数量的盒子在不同的置信水平。我们使用我们的PRAE为基础的非最大值抑制（P-NMS），以取代传统的NMS方法集成学习。在PASCAL VOC和COCO 2017数据集上的实验表明，我们的PRAE方法始终优于最先进的方法。
2021-05-07 cs.CV
Track and Transfer: Watching Videos to Simulate Strong Human Supervision for Weakly-Supervised Object Detection
University of California, Davis（加州大学戴维斯分校）
训练对象检测器的现状方法需要昂贵的限界框注释。我们的框架采取了一个明显不同的方向：我们将跟踪的对象框从弱标记视频转移到弱标记图像，以自动生成伪地面实况框，取代手动注释的边界框。我们首先在弱标记图像集合中挖掘经常/很少出现在正/负像中的区分区域。然后，我们将这些区域与视频进行匹配，并检索相应的跟踪对象框。最后，我们设计了一个霍夫变换算法来投票选出最好的盒子作为每个图像的伪GT，并使用它们来训练目标检测器。总之，这些导致了PASCAL 2007和2010数据集上最先进的弱监督检测结果。
2016-04-19 cs.CV
Object Viewpoint Classification Based 3D Bounding Box Estimation for Autonomous Vehicles
三维目标检测是自主车辆感知系统的重要任务之一。随着二维目标检测领域的研究取得了巨大的成功，基于二维目标检测器和二维与三维包围盒之间的几何约束关系，提出了几种基于单目图像的三维目标检测算法。在本文中，我们提出了一种新的方法来确定配置的2D-3D几何约束，这是众所周知的2D-3D两阶段目标检测框架的基础上。首先，我们离散的观点，其中相机拍摄的对象分为16类相机和对象之间的观察关系。其次，我们设计了一个视点分类器，通过集成一个新的子分支到现有的多分支CNN。然后，根据该分类器的输出，可以确定2D和3D包围盒之间的几何约束的配置。在KITTI数据集上的大量实验表明，该方法不仅提高了计算效率，而且提高了模型的整体精度，特别是对方位角的估计。
2019-09-03 cs.CV
The Sound of Bounding-Boxes
Waseda Research Institute for Science and Engineering（早稻田大学科学与工程研究院）
在利用视觉信息进行声音声源分离的视听声音声源分离任务中，识别图像中的对象是分离声源之前的关键步骤。然而，在检测到的边界框上分配声音的现有方法存在一个问题，即它们的方法严重依赖于预先训练的对象检测器。具体地，当使用这些现有方法时，需要预先确定能够产生声音的对象的所有可能类别，并使用适用于所有这些类别的对象检测器。为了解决这个问题，我们提出了一种完全无监督的方法，可以同时学习检测图像中的对象和分离声源。由于我们的方法不依赖于任何预先训练的检测器，因此我们的方法适用于任意类别，无需任何额外的注释。此外，虽然完全无监督，我们发现我们的方法在分离精度上表现出很大的优势。
2022-03-30 cs.CV cs.MM cs.SD
Focal and Efficient IOU Loss for Accurate Bounding Box Regression
CASIA（中国科学院自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）；Horizon Robotics（地平线机器人）
在目标检测中，限界框回归（BBR）是决定目标定位性能的关键步骤。然而，我们发现，大多数以前的BBR损失函数有两个主要的缺点：（i）$\ell_n$ -范数和基于IOU的损失函数是低效的描述BBR的目标，这导致收敛速度慢和不准确的回归结果。(ii)大多数损失函数忽略了BBR中的不平衡问题，即大量与目标盒重叠较小的锚盒对BBR的优化贡献最大。为了减轻由此造成的不利影响，我们在本文中进行了深入的研究，以利用BBR损失的潜力。首先，提出了一种有效交并损失（EIOU），它明确地度量了BBR中三个几何因素的差异，即，重叠区域、中心点和边长。在此之后，我们陈述了有效示例挖掘（EEM）问题，并提出了一个回归版本的焦点损失，使回归过程集中在高质量的锚框。最后，将上述两部分结合起来，得到一个新的损失函数，即Focal-EIOU损失。在合成和真实数据集上进行了广泛的实验。该算法在收敛速度和定位精度上均优于其它BBR算法。
2022-07-16 cs.CV
Weak Cube R-CNN: Weakly Supervised 3D Detection using only 2D Bounding Boxes
Technical University of Denmark（丹麦技术大学）；Pioneer Center for AI（先锋人工智能中心）
针对3D目标检测依赖昂贵3D标注数据的问题，提出Weak Cube R-CNN模型，仅用2D边界框训练，通过单目系统利用预训练2D模型估计深度和方向作伪真值，在SUN RGB-D数据集上精度优于基线，为弱监督3D检测提供基础。
2025-04-17 cs.CV
Learning Object Bounding Boxes for 3D Instance Segmentation on Point Clouds
University of Oxford（牛津大学）；DeepMind（深度思维）；Imperial College London（帝国理工学院）；Heriot-Watt University（赫瑞-瓦特大学）
我们提出了一种新颖的，概念上简单和一般的框架实例分割的三维点云。我们的方法称为3D-BoNet，遵循逐点多层感知器（MLP）的简单设计理念。该框架直接为点云中的所有实例回归3D边界框，同时为每个实例预测点级掩模。它由一个主干网络和两个并行网络分支组成，用于1）限界框回归和2）点掩模预测。3D-BoNet是单级、无锚和端到端可训练的。此外，与现有方法不同，它在计算上非常高效，因为它不需要任何后处理步骤，如非最大值抑制，特征采样，聚类或投票。大量的实验表明，我们的方法超过了现有的工作在ScanNet和S3 DIS数据集，同时是大约10倍的计算效率。全面的消融研究证明了我们设计的有效性。
2019-09-05 cs.AI cs.CV cs.LG
Learning to discover and localize visual objects with open vocabulary
University of Pittsburgh（匹兹堡大学）；Google Research（谷歌研究院）
为了减轻获得用于训练当今最先进的目标检测模型的准确边界框的成本，最近的弱监督检测工作提出了从图像级标签学习的技术。然而，需要离散的图像级标签是限制性的和次优的。现实世界的“监督”通常由更多的非结构化文本组成，如标题。在这项工作中，我们学习图像和字幕之间的关联映射。然后，我们使用一种新的对象性标准来对所得到的候选框进行排名，使得高排名的框沿着所有边缘都具有很强的梯度。因此，我们可以检测超出固定对象类别词汇表的对象，如果这些对象足够频繁和独特。我们表明，我们的对象标准，提高了建议的边界框有关以前的弱监督检测方法。此外，我们只从图像级字幕的目标检测令人鼓舞的结果。
2018-11-25 cs.CV
Improved Person Detection on Omnidirectional Images with Non-maxima Suppression
Chemnitz University of Technology（开姆尼茨工业大学）
我们提出了一个全方位图像上的人检测器，一个准确的方法来生成最小的封闭矩形的人。基本思想是使基于卷积神经网络的方法（即YOLOv2）的定性检测性能适应于鱼眼图像。我们的方法的设计采用了最先进的对象检测器和高度重叠的图像区域及其感兴趣区域的想法。这种重叠减少了假阴性的数量。基于检测器的原始边界框，我们通过三种方法微调重叠边界框：非最大值抑制，软非最大值抑制和高斯平滑软非最大值抑制。评估是在PIROPO数据库和自己的注释Flat数据集上进行的，并在全向图像上补充了边界框。我们实现了64.4%的平均精度与YOLOv2类人的PIROPO和77.6%的单位。为此，我们微调了软非最大值抑制高斯平滑。
2019-03-25 cs.CV
YouTube-BoundingBoxes: A Large High-Precision Human-Annotated Data Set for Object Detection in Video
Google Brain（谷歌大脑）；Google Research（谷歌研究院）
我们引入了一个新的大规模数据集的视频URL与密集采样的对象限界框注释称为YouTube的边界框（YT-BB）。该数据集由大约380，000个约19秒长的视频片段组成，自动选择以自然环境中的对象为特征，无需编辑或后处理，记录质量通常类似于手持手机相机。对象表示MS COCO标签集的子集。所有视频片段都是以每秒1帧的速度使用高精度分类标签和边界框进行人工注释的。使用一系列越来越精确的人工注释，确保每个类别和紧密边界框的标签准确率超过95%。最后，我们训练和评估知名的深度网络架构，并报告每帧分类和本地化的基线数据，为未来的工作提供比较点。我们还演示了如何视频的时间连续性可以潜在地用于改善这样的推断。请参阅PDF文件以找到下载数据的URL。我们希望如此大规模的精选语料库的可用性将刺激视频目标检测和跟踪的新进展。
2017-03-24 cs.CV
epBRM: Improving a Quality of 3D Object Detection using End Point Box Regression Module
University of California, Berkeley（加州大学伯克利分校）
我们提出了一个端点框回归模块（epBRM），该模块旨在使用原始LiDAR 3D点云预测精确的3D边界框。所提出的epBRM是用一系列小网络构建的，并且是计算轻量级的。我们的方法可以通过预测更精确的三维限界框坐标来提高三维目标检测性能。所提出的方法需要40分钟的训练，以提高检测性能。此外，epBRM对最多20个对象的网络推理时间不到12 ms。所提出的方法利用空间变换机制来简化框回归任务。在epBRM中引入空间变换机制，使得在小规模网络中提高检测质量成为可能。我们对应用于原始LiDAR 3D点云的各种空间转换机制的效果进行了深入分析。我们还评估了所提出的epBRM通过将其应用到几个国家的最先进的三维目标检测系统。我们在KITTI数据集上评估了我们的方法，KITTI数据集是自动驾驶汽车的标准3D目标检测基准。所提出的epBRM增强了地面实况边界框和检测到的边界框之间的重叠，并提高了3D目标检测。我们提出的方法在KITTI测试服务器上进行了评估，优于当前最先进的方法。
2020-12-23 cs.CV
Point Linking Network for Object Detection
Huazhong University of Science and Technology（华中科技大学）；Megvii Technology Inc.（旷视科技有限公司）
目标检测是计算机视觉的核心问题。随着深度ConvNets的发展，目标检测器的性能得到了显着提高。基于深度ConvNets的对象检测器主要关注于回归限界框的坐标，例如，Faster-R-CNN、YOLO和SSD。与将限界框作为一个整体来考虑的方法不同，本文提出了一种新的基于点和链接的对象限界框表示方法，并使用深度ConvNets实现，称为点链接网络（Point Linking Network，PLN）。具体地说，我们使用一个完全卷积网络来回归边界框的角点/中心点及其连接;然后我们将角点及其连接映射回多个边界框;最后通过融合多个边界框来获得目标检测结果。PLN对对象遮挡具有自然鲁棒性，对对象尺度变化和纵横比变化具有灵活性。在实验中，PLN使用Inception-v2模型在PASCAL VOC 2007、PASCAL VOC 2012和COCO检测基准测试中实现了最先进的单模型和单尺度结果，没有花哨的装饰。源代码将被释放。
2017-06-13 cs.CV
NeRF-RPN: A general framework for object detection in NeRFs
The Hong Kong University of Science and Technology（香港科技大学）；Kuaishou Technology（快手科技）
本文介绍了第一个重要的目标检测框架，NeRF-RPN，它直接在NeRF上运行。给定预先训练的NeRF模型，NeRF-RPN旨在检测场景中对象的所有边界框。通过利用一种新的体素表示，结合多尺度的3D神经体积特征，我们证明了它是可能的回归NeRF中的对象的3D边界框直接在任何视点不渲染NeRF。NeRF-RPN是一个通用的框架，可以应用于检测没有类标签的对象。我们对NeRF-RPN进行了各种骨干架构、RPN头设计和损失函数的实验。所有这些都可以以端到端的方式进行训练，以估计高质量的3D边界框。为了促进NeRF在目标检测方面的未来研究，我们建立了一个新的基准数据集，该数据集由合成数据和真实数据组成，并进行了仔细的标记和清理。代码和数据集可在https://github.com/lyclyc52/NeRF_RPN上获得。
2023-03-27 cs.CV
Dive Deeper Into Box for Object Detection
The Chinese University of Hong Kong（香港中文大学）；Tencent Youtu Lab（腾讯优图实验室）；SmartMore（思谋科技）；The Hong Kong University of Science and Technology（香港科技大学）
无锚点方法定义了最新的目标检测研究领域的新前沿，其中准确的限界框估计是这些方法成功的关键。然而，即使限界框具有最高的置信度分数，它在本地化方面仍然远远不够完美。为此，我们提出了一种盒子重组方法（DDBNet），它可以更深入地挖掘盒子，以实现更准确的定位。在第一步中，过滤掉漂移的框，因为这些框中的内容与目标语义不一致。接下来，将选定的框分解为边界，并搜索对齐良好的边界，并将其分组为一种更精确地收紧实例的最佳框。实验结果表明，我们的方法是有效的，导致国家的最先进的性能为目标检测。
2020-07-15 cs.CV
Inter Extreme Points Geodesics for End-to-End Weakly Supervised Image Segmentation
King’s College London（伦敦国王学院）
我们介绍了$\textit{InExtremIS}$，这是一种弱监督的3D方法，可以使用特别弱的训练时间注释来训练深度图像分割网络：在感兴趣对象的边界上只有6个极端点击。我们的全自动方法是端到端训练的，不需要任何测试时注释。从极端点，3D边界框提取周围的感兴趣的对象。然后，生成连接极值点的深测地线以增加边界框内的“注释”体素的量。最后，一个弱监督正则化的损失来自条件随机场制定的是用来鼓励均匀区域的预测一致性。在一个大型开放数据集上进行了大量的实验，用于前庭神经鞘瘤分割。$\textit{InExtremIS}$获得了有竞争力的性能，接近完全监督，并显着优于其他弱监督技术的基础上边界框。此外，给定固定的注释时间预算，$\textit{InExtremIS}$优于完全监督。我们的代码和数据可在线获取。
2021-11-04 cs.CV
Shape-Aware Oriented Bounding Box (OBB) to Horizontal Bounding Box (HBB) Conversion
针对遥感图像船舶检测中现有OBB转HBB方法的缺陷，提出形状感知转换方法，利用船体形状等信息生成更紧凑的轴对齐HBB，与三种基线方法对比验证性能。
2026-08-07 cs.CV cs.RO
