首页/论文/2005.02699

arXiv 2005.026992020-05-27cs.CVcs.LGeess.IV

ProbaNet：用于目标检测的建议平衡网络

ProbaNet: Proposal-balanced Network for Object Detection

University of Electronic Science and Technology of China（电子科技大学）

Jing Wu, Xiang Zhang, Mingyi Zhou, Ce Zhu

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

基于卷积神经网络（CNN）的目标检测器产生的候选目标建议会遇到易-难样本不平衡的问题，这会影响整体性能。在这项研究中，我们提出了一个建议平衡网络（ProbaNet），以减轻不平衡的问题。首先，ProbaNet通过阈值截断丢弃容易的样本来增加选择硬样本进行训练的概率。其次，ProbaNet通过增加权重来强调前景提案。为了评估ProbaNet的有效性，我们基于不同的基准对模型进行训练。使用ProbaNet的模型的平均精度（mAP）比PASCAL VOC 2007的基线高1.2 $\%$。此外，它与现有的两级检测器兼容，并提供了非常少量的额外计算成本。

英文摘要：

Candidate object proposals generated by object detectors based on convolutional neural network (CNN) encounter easy-hard samples imbalance problem, which can affect overall performance. In this study, we propose a Proposal-balanced Network (ProbaNet) for alleviating the imbalance problem. Firstly, ProbaNet increases the probability of choosing hard samples for training by discarding easy samples through threshold truncation. Secondly, ProbaNet emphasizes foreground proposals by increasing their weights. To evaluate the effectiveness of ProbaNet, we train models based on different benchmarks. Mean Average Precision (mAP) of the model using ProbaNet achieves 1.2$\%$ higher than the baseline on PASCAL VOC 2007. Furthermore, it is compatible with existing two-stage detectors and offers a very small amount of additional computational cost.

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

基于平衡域分类器的域不变候选区域目标检测

Domain-Invariant Proposals based on a Balanced Domain Classifier for Object Detection

针对域偏移导致目标检测性能下降的问题，在Faster R-CNN的区域候选网络中引入对抗学习域分类器，结合平衡域分类器与学习率调整策略，有效生成域不变候选区域，提升了跨域检测的鲁棒性。

2024-01-06cs.CV

克服视觉关系检测中的假阳性

Towards Overcoming False Positives in Visual Relationship Detection

SenseTime Research（商汤科技研究院）；Beihang University（北京航空航天大学）；National University of Singapore（新加坡国立大学）；ByteDance AI Lab（字节跳动人工智能实验室）；The Chinese University of Hong Kong（香港中文大学）

本文研究了视觉关系检测（VRD）中高误报率的原因。我们观察到，在训练期间，关系提议分布是高度不平衡的：大多数负面关系提议很容易识别，例如，不准确的目标检测，从而导致低频下拟合困难的建议。本文提出了空间感知平衡负pRochosAmpling（SABRA），一个强大的VRD框架，消除假阳性的影响。为了有效地优化非均衡分布下的模型，SABRA采用了平衡负建议抽样（Balanced Negative Proposal Sampling，简称BSPs）策略进行小批量抽样。Bethesda将建议划分为5个定义良好的子类，并根据逆频率生成均衡的训练分布。BERRY提供了一个更简单的优化环境，并显着减少了误报的数量。为了进一步解决具有高空间模糊性的低频率挑战性误报建议，我们从两个方面改进了SABRA的空间建模能力：一个简单高效的多头异构图注意力网络（MH-GAT），用于建模对象的全局空间交互，以及一个学习局部空间配置的空间掩码解码器。SABRA在两个人-物交互（HOI）数据集和一个通用VRD数据集上的性能大大优于SOTA方法。

2020-12-24cs.CVcs.LG

Few-Shot目标检测的建议分布校正

Proposal Distribution Calibration for Few-Shot Object Detection

University of Chinese Academy of Sciences（中国科学院大学）；Tsinghua University（清华大学）

在低数据机制下，将在足够的监督下学习的对象检测器适应新的类是迷人而具有挑战性的。在Few-Shot目标检测（FSOD）中，广泛采用两步训练范例来减轻严重的样本不平衡，即，在基本类上进行整体预训练，然后在所有类的平衡设置中进行部分微调。由于未标记的实例在基础训练阶段被抑制为背景，因此学习的RPN容易对新实例产生有偏见的建议，导致性能急剧下降。不幸的是，极端的数据稀缺性加剧了提案分布偏差，阻碍了RoI头部向新类的发展。在本文中，我们介绍了一种简单而有效的建议分布校准（PDC）方法，通过回收其在基础训练中赋予的定位能力和丰富高质量的正样本进行语义微调，来巧妙地增强ROI头部的定位和分类能力。具体来说，我们采样建议的基础上的建议统计校准的分布偏差和施加额外的本地化和分类损失的采样建议快速扩展的基础检测器到新的类。在常用的Pascal VOC和MS COCO数据集上进行的实验证明了我们的PDC对FSOD的有效性。代码可在github.com/Bohao-Lee/PDC上获得。

2022-12-15cs.CV

Box监督视频分割建议网络

Box Supervised Video Segmentation Proposal Network

Ludwig-Maximilians-University（路德维希-马克西米利安大学）；Hensoldt Analytics（亨索尔特分析公司）

视频对象分割（VOS）已经成为各种全监督和自监督方法的目标。虽然全监督方法表现出出色的结果，但不使用像素级地面实况的自监督方法引起了人们的广泛关注。然而，自我监督的方法造成了显着的性能差距。框级注释为图像分割提供了标记工作和结果质量之间的平衡折衷，但尚未被用于视频域。在这项工作中，我们提出了一个框监督的视频对象分割建议网络，它利用了固有的视频属性。我们的方法采用了以下方式的对象运动：首先，运动计算使用双向时间差和一种新的限界框引导的运动补偿。其次，我们引入了一种新的运动感知的亲和力损失，鼓励网络预测积极的像素对，如果它们共享相似的运动和颜色。该方法在DAVIS和Youtube-VOS数据集上的性能优于最先进的自监督基准16.4%和6.9%的$\mathcal{J}$和$\mathcal{F}$分数以及大多数完全监督方法，而无需强加网络架构规范。我们对数据集进行了广泛的测试和消融，证明了我们方法的稳健性。

2022-02-16cs.CV

PANet：基于稀疏实例提议与聚合的LiDAR全景分割

PANet: LiDAR Panoptic Segmentation with Sparse Instance Proposal and Aggregation

Zhejiang University（浙江大学）；Institute of Cyber-Systems and Control（网络系统与控制研究所）

本文提出PANet框架，通过非学习的稀疏实例提议模块和实例聚合模块，消除了对偏移分支的依赖，解决了大物体过度分割问题，在SemanticKITTI和nuScenes上实现了最先进的LiDAR全景分割性能。

2023-06-27cs.AIcs.CV

BSN ++：基于尺度平衡关系的互补边界回归模型

BSN++: Complementary Boundary Regressor with Scale-Balanced Relation Modeling for Temporal Action Proposal Generation

SenseTime Research（商汤科技研究院）；Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）；Shanghai AI Laboratory（上海人工智能实验室）

在未经裁剪的视频中生成人类动作建议是一项重要但具有挑战性的任务，具有广泛的应用。目前的方法往往遭受噪声的边界位置和质量低劣的信心分数用于建议检索。在本文中，我们提出了BSN++，一个新的框架，利用互补边界回归和关系建模的时间建议生成。首先，我们提出了一种新的边界回归的基础上的互补特性的开始和结束边界分类。具体来说，我们利用U形架构与嵌套跳过连接来捕获丰富的上下文，并引入双向边界匹配机制，以提高边界精度。其次，考虑到以往方法中忽略的建议-建议关系，我们设计了一个建议关系块，其中包括两个自我注意模块的位置和通道方面。此外，我们发现，不可避免地存在的正/负的建议和时间持续时间的数据不平衡的问题，这损害了尾部分布的模型性能。为了解决这个问题，我们引入了尺度平衡重采样策略。在ActivityNet-1.3和THUMOS 14两个流行的基准测试程序上进行了大量的实验，实验结果表明BSN++达到了最先进的性能。毫不奇怪，拟议的BSN++在CVPR 19- ActivityNet挑战排行榜上的时间动作本地化任务中排名第一。

2021-03-01cs.CV

更多相关论文收起更多论文

2020年LVIS挑战赛第一名解决方案：好的包装盒并不能保证好的口罩

1st Place Solution of LVIS Challenge 2020: A Good Box is not a Guarantee of a Good Mask

SenseTime Research（商汤科技研究院）；Tongji University（同济大学）；Tsinghua University（清华大学）

本文介绍了lvisTraveler团队为LVIS Challenge 2020提供的解决方案。在这项工作中，主要考虑LVIS数据集的两个特点：长尾分布和高质量的实例分割掩模。我们采用两阶段的培训管道。在第一阶段，我们结合EQL和自我训练来学习广义表示。在第二阶段，我们利用Balanced GroupSoftmax来提升分类器，并提出了一种新的建议分配策略和一种新的掩码头的平衡掩码损失，以获得更精确的掩码预测。最后，我们在LVIS v1.0 val和test-dev拆分上分别实现了41.5和41.2 AP，大大优于基于X101-FPN-MaskRCNN的基线。

2020-09-03cs.CV

通过单点监控实现精确目标检测的点到盒网络

Point-to-Box Network for Accurate Object Detection via Single Point Supervision

University of Chinese Academy of Sciences（中国科学院大学）；Institute of North Electronic Equipment（北方电子设备研究所）；Picsart AI Research（Picsart人工智能研究院）

近年来，使用单点监控的目标检测受到越来越多的关注。然而，点监督目标检测（PSOD）和限界框监督检测之间的性能差距仍然很大。在本文中，我们将如此大的性能差距归因于无法生成高质量的建议包，这对于多实例学习（MIL）至关重要。为了解决这个问题，我们引入了一个轻量级的替代现成的建议（OTSP）的方法，从而创建点到盒网络（P2BNet），它可以构建一个对象间平衡的建议袋生成的建议在锚一样的方式。通过充分调查准确的位置信息，P2BNet进一步构建了一个实例级包，避免了多个对象的混合。最后，采用级联方式的粗到细策略来提高提案和地面实况（GT）之间的IoU。受益于这些策略，P2BNet能够生产高质量的实例级包用于目标检测。P2BNet相对于MS COCO数据集上以前最好的PSOD方法，将平均精度（AP）提高了50%以上。它还展示了弥合点监督和边界盒监督检测器之间的性能差距的巨大潜力。该代码将在github.com/ucas-vg/P2BNet上发布。

2022-10-20cs.CV

Few-Shot视频目标检测

Few-Shot Video Object Detection

The Hong Kong University of Science and Technology（香港科技大学）；Kuaishou Technology（快手科技）

我们引入了Few-Shot视频目标检测（FSVOD），它对我们高度多样化和动态的世界中的真实世界视觉学习挑战有三个贡献：1）大规模视频数据集FSVOD-500，包括500个类别，每个类别中的类别平衡视频用于少样本学习; 2）新颖的管道建议网络（TPN），用于生成高质量的视频管道建议，以聚合目标视频对象的特征表示，其可以是高度动态的; 3）一种策略性改进的时态匹配网络（TMN+），用于匹配具有更好区分能力的代表性查询管特征，从而实现更高的多样性。我们的TPN和TMN+经过联合端到端培训。大量的实验表明，我们的方法产生显着更好的检测结果，两个Few-Shot视频目标检测数据集相比，基于图像的方法和其他天真的基于视频的扩展。代码和数据集在\url{https://github.com/fanq15/FewX}发布。

2022-08-07cs.CV

P2Object：单点监督的目标检测与实例分割

P2Object: Single Point Supervised Object Detection and Instance Segmentation

University of Chinese Academy of Sciences (UCAS)（中国科学院大学）；Huawei Inc.（华为公司）

本文针对单点监督目标检测性能不足的问题，提出P2BNet、P2BNet++和P2MNet，通过实例级候选包构建、连续采样优化及像素级感知，显著提升检测与分割精度。

2025-04-10cs.CV

分类中的魔鬼：一个简单的长尾对象检测和实例分割框架

The Devil is in Classification: A Simple Framework for Long-tail Object Detection and Instance Segmentation

NGS, National University of Singapore（新加坡国立大学）；ECE Department, National University of Singapore（新加坡国立大学电机与计算机工程系）；Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；Salesforce Research Asia（Salesforce亚洲研究院）

大多数现有的对象实例检测和分割模型只能在相当平衡的基准上工作，其中每个类别的训练样本数量是可比的，例如COCO。它们往往会在现实的数据集上遭受性能下降，这些数据集通常是长尾的。这项工作旨在研究和解决这些公开的挑战。具体来说，我们系统地研究了最先进的两阶段实例分割模型Mask R-CNN在最近的长尾LVIS数据集上的性能下降，并揭示了一个主要原因是对象建议的不准确分类。基于这样的观察，我们首先考虑各种技术，提高长尾分类性能，确实提高了实例分割的结果。然后，我们提出了一个简单的校准框架，以更有效地减轻分类头偏差与双水平类平衡抽样方法。在没有额外功能的情况下，它显著提高了最近LVIS数据集和我们采样的COCO-LT数据集上尾类的实例分割的性能。我们的分析为解决长尾实例检测和分割问题提供了有用的见解，并且简单的\emph{SimCal}方法可以作为一个简单但强大的基线。凭借这种方法，我们赢得了2019年LVIS挑战赛。代码和模型可在www.example.com上获得。

2020-11-03cs.CV

长尾实例分割的分类校正

Classification Calibration for Long-tail Instance Segmentation

National University of Singapore（新加坡国立大学）；Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；Salesforce Research Asia（Salesforce亚洲研究院）

近年来，目标实例检测和分割技术取得了显著的进展。然而，现有的最先进的方法大多是用相当平衡和类别有限的基准进行评估的，例如Microsoft COCO数据集[8]。在这份报告中，我们研究了最先进的两阶段实例分割模型在处理基于LVIS [5]数据集的极端长尾训练数据时的性能下降现象，并发现一个主要原因是对象建议的不准确分类。基于这一观察，我们建议校准分类头的预测，以提高识别性能的尾部类。没有太多的额外成本和修改的检测模型架构，我们的校准方法提高了性能的基线上的大幅度的尾部类。代码将可用。重要的是，在提交后，我们发现通过修改校准头可以进一步实现显著的改进，我们将在稍后进行更新。

2020-07-31cs.CV

I3Net：一种适用于一级目标检测器的隐式实例不变网络

I3Net: Implicit Instance-Invariant Network for Adapting One-Stage Object Detectors

The University of Hong Kong（香港大学）；Xiamen University（厦门大学）；Deepwise AI Lab（深睿医疗AI实验室）

最近的两阶段跨域检测工作已经广泛地探索了局部特征模式，以实现更准确的自适应结果。这些方法在很大程度上依赖于区域建议机制和基于ROI的实例级特征来设计与前景对象相关的细粒度特征对齐模块。然而，对于一级检测器，很难甚至不可能在检测管道中获得显式的实例级特征。受此启发，我们提出了一种隐式实例不变网络（I3 Net），该网络专为适应一级检测器而量身定制，并通过利用不同层中深层特征的自然特性来隐式学习实例不变特征。具体而言，我们从三个方面促进了自适应：（1）动态和类平衡重加权（DCBR）策略，该策略考虑了域内和类内变化的共存，为那些样本稀缺的类别和易于适应的样本分配更大的权重;（2）类别感知对象模式匹配（COPM）模块，该方法增强了分类信息引导下的跨域前景目标匹配，抑制了无信息背景特征;（3）正则化联合类别对齐（Regularized Joint Category Alignment，RJCA）模块，通过一致性正则化在不同领域特定层上联合执行类别对齐。实验表明，I3 Net在基准数据集上的性能超过了最先进的性能。

2021-03-30cs.CV

CPN：用于无约束文本检测的互补候选框网络

CPN: Complementary Proposal Network for Unconstrained Text Detection

Shopee Pte. Ltd.（Shopee 私人有限公司）

针对场景文本检测中基于分割和基于锚框方法各自的优缺点，提出互补候选框网络（CPN），通过整合语义与几何候选框及交错特征注意力模块，在相当的计算成本下显著提升了三个基准上的检测性能。

2024-02-18cs.CV

MAFE R-CNN：选择更多样本以学习类别感知特征用于小目标检测

MAFE R-CNN: Selecting More Samples to Learn Category-aware Features for Small Object Detection

School of Computer Science and Technology, Beijing Institute of Technology（计算机科学与技术学院，北京理工大学）；School of Computer and Communication Engineering, University of Science and Technology Beijing（计算机与通信工程学院，北京科技大学）；School of Computer Science and Technology, University of Hong Kong（计算机科学与技术学院，香港大学）；Beijing Institute of Space Mechanics and Electricity（北京航天机械电子研究所）；School of information and electronics, Beijing Institute of Technology（信息电子学院，北京理工大学）

针对复杂环境下小目标检测难的问题，本文提出MAFE R-CNN，通过多线索样本选择策略和类别感知特征增强机制，有效提升小目标检测性能，并在SODA数据集上验证了其有效性。

2025-05-22cs.CV

用于实时的视觉跟踪的Siamese级联区域建议网络

Siamese Cascaded Region Proposal Networks for Real-Time Visual Tracking

Temple University（天普大学）

区域建议网络（RPN）最近已与暹罗网络相结合，用于跟踪，并显示出良好的精度和高效率。然而，以前提出的一个阶段的暹罗RPN跟踪退化存在类似的干扰和大规模的变化。针对这些问题，我们提出了一个多阶段的跟踪框架，暹罗级联RPN（C-RPN），它由一系列的RPN级联从深层次的高层到浅层次的低层次的暹罗网络。与以前的解决方案相比，C-RPN有几个优点：（1）每个RPN都是使用前一阶段RPN的输出进行训练的。这样的过程刺激了硬负采样，导致更平衡的训练样本。因此，RPN在区分困难背景（即，类似的干扰物）。(2)通过针对每个RPN的新颖的特征传递块（FTB）充分利用多级特征，进一步使用高级语义和低级空间信息来提高C-RPN的可辨别性。(3)通过多步回归，C-RPN利用前一阶段调整的锚框逐步细化每个RPN中目标的位置和形状，使定位更加准确。C-RPN使用多任务损失函数进行端到端训练。在推理中，C-RPN被部署为实时的【形】跟踪，而没有任何时间适应。在OTB-2013、OTB-2015、VOT-2016、VOT-2017、LaSOT和TrackingNet上进行的大量实验中，C-RPN始终实现最先进的结果并实时的【形】运行。

2018-12-14cs.CV

面向脑眼计算机的弱小目标检测的自适应模态平衡在线知识蒸馏

Adaptive Modality Balanced Online Knowledge Distillation for Brain-Eye-Computer based Dim Object Detection

College of Intelligence Science and Technology, National University of Defense Technology（智能科学与技术学院，国防科技大学）

针对现有目标检测方法难以处理异构多模态数据的问题，本文构建脑眼计算机航空图像目标检测系统，提出自适应模态平衡在线知识蒸馏方法融合EEG与图像特征，经实验验证其性能与实用性更优。

2025-09-30cs.CVcs.HC

开放世界识别中未知类别领域识别的模型评估：一项提案

Model Evaluation for Domain Identification of Unknown Classes in Open-World Recognition: A Proposal

School of Digital Science（数字科学学院）；Universiti Brunei Darussalam（文莱达鲁萨兰大学）；Kalimantan Institute of Technology（加里曼丹理工学院）

本文提出一种评估协议，衡量模型区分未知ID与OOD样本的能力，并通过迁移学习、AutoML及NCM-FINCH在五个领域验证预训练表示对领域识别的作用。

2023-12-09cs.AIcs.CVcs.LG

基于脉冲神经网络的自动驾驶高效目标检测：性能、能耗分析及开放集目标发现洞见

Efficient Object Detection in Autonomous Driving using Spiking Neural Networks: Performance, Energy Consumption Analysis, and Insights into Open-set Object Discovery

TECNALIA（泰克纳利亚研究中心）；Basque Research & Technology Alliance (BRTA)（巴斯克研究与技术联盟（BRTA））；University of the Basque Country (UPV/EHU)（巴斯克大学（UPV/EHU））；Deusto University（德乌斯托大学）

针对自动驾驶目标检测的性能、能耗与开放世界学习三重难题，提出基于SNN的高效检测方案，能耗最高降85%且鲁棒性提升，并初步探索开放集新物体检测。

2023-12-12cs.AIcs.CVcs.LG