Monocular 3D Object Detection using Multi-Stage Approaches with Attention and Slicing aided hyper inference
3D目标检测是至关重要的，因为它使我们能够捕捉物体的大小，方向和在世界上的位置。因此，我们将能够在现实世界的应用中使用这种3D检测，例如增强现实（AR），自动驾驶汽车和机器人技术，这些应用与人类感知世界的方式相同。单目3D目标检测是在单个2D RGB图像中围绕对象绘制3D限界框的任务。它是定位任务，但没有任何额外的信息，如深度或其他传感器或多个图像。单目三维目标检测是一项重要而又具有挑战性的任务。除了基于图像的2D目标检测的重大进展之外，对现实世界物体的3D理解是一个迄今为止尚未被广泛探索的开放性挑战。除了最密切相关的研究。
2022-12-22 cs.AI cs.CV
A Coarse to Fine Framework for Object Detection in High Resolution Image
Northwestern Polytechnical University（西北工业大学）
目标检测是计算机视觉中的一个基本问题，其目的是对图像中的目标进行定位和分类。虽然目前的设备可以很容易地获得非常高分辨率的图像，但现有的目标检测方法很少考虑检测高分辨率图像中的微小目标或大尺度方差问题。本文介绍了一种简单而有效的方法，提高了目标检测的准确性，特别是对小目标和大规模变化的场景，同时减少了高分辨率图像的计算成本。受观察到的启发，如果图像被适当地下采样，则整体检测精度会降低，但召回率不会显着降低。此外，即使使用轻量级检测器，也可以通过输入高分辨率图像来更好地检测小物体。我们提出了一个基于聚类的从粗到精的目标检测框架，以提高检测小目标的性能，同时确保高分辨率图像中大目标的准确性。第一阶段对下采样后的图像进行粗检测，对高分辨率图像进行轻量化检测器的小目标中心定位，然后根据粗检测和中心定位结果得到基于聚类区域生成方法的图像碎片，并将碎片送入第二阶段检测器进行细检测。最后，我们合并粗检测和精检测结果。该方法充分利用了目标的稀疏性和高分辨率图像中的信息，从而提高了检测的效率。实验结果表明，我们提出的方法取得了良好的性能相比，其他国家的最先进的检测器。
2023-03-02 cs.AI cs.CV
Simultaneous Object Detection, Tracking, and Event Recognition
Purdue University（普渡大学）
目标检测、基于检测的跟踪和事件识别的共同内部结构和算法组织促进了集成这三个组件的通用方法。这支持这些组件之间的多方向信息流，从而允许目标检测影响跟踪和事件识别，并且允许事件识别影响跟踪和目标检测。组合的性能可以超过单独的组件的性能。这可以用线性渐近复杂度来完成。
2012-04-12 cs.AI cs.CV
Focus-and-Detect: A Small Object Detection Framework for Aerial Images
İstanbul Technical University（伊斯坦布尔理工大学）；Aselsan（阿瑟尔桑）
尽管近年来取得了一些进展，但航空图像中的目标检测仍然是一项具有挑战性的任务。航空图像中的特定问题使得检测问题变得更加困难，例如小物体，密集的物体，不同尺寸和不同方向的物体。为了解决小目标检测问题，我们提出了一个两阶段的目标检测框架称为“焦点和检测”。第一阶段由高斯混合模型监督的对象检测器网络组成，生成构成聚焦区域的对象集群。第二阶段也是一个物体检测器网络，预测聚焦区域内的物体。为了克服区域搜索方法的截断效应，提出了不完全盒抑制（IBS）方法。结果表明，所提出的两阶段框架在VisDrone验证数据集上获得了42.06的AP分数，超过了文献中报道的所有其他最先进的小目标检测方法。
2022-03-24 cs.AI cs.CV
Object detection for crabs in top-view seabed imagery
University of Southampton（南安普顿大学）
本报告介绍了目标检测在不同种类螃蟹的水下图像数据库中的应用，以及海狮的空中图像，最后是Pascal VOC数据集。该模型是基于卷积网络基和长短期记忆检测器的端到端目标检测神经网络。
2021-05-02 cs.CV cs.LG
Is Object Detection Necessary for Human-Object Interaction Recognition?
Microsoft（微软）；University of Washington（华盛顿大学）
本文重新审视人-物交互（HOI）识别在图像级不使用监督的对象的位置和人的姿态。我们称之为无检测的HOI识别，与现有的检测监督方法相比，这些方法依赖于对象和关键点检测来实现最先进的水平。使用我们的方法，不仅检测监督是不可避免的，而且通过适当地使用图像-文本预训练（如CLIP）和提出的对数和指数（LSE-Sign）损失函数可以实现优异的性能。具体来说，使用类标签的文本嵌入来初始化线性分类器对于利用CLIP预训练图像编码器至关重要。此外，LSE-Sign loss通过以softmax格式对所有类的梯度进行归一化，促进了从不平衡数据集上的多个标签中学习。令人惊讶的是，我们的免检测解决方案在CNOMO数据集上实现了60.5 mAP，比检测监督的最新技术水平高出13.4 mAP
2021-07-27 cs.AI cs.CV
AttentionNet: Aggregating Weak Directions for Accurate Object Detection
KAIST（韩国科学技术院）；Adobe Research（奥多比研究院）；Lunit Inc（卢尼特公司）
我们提出了一种使用深度卷积神经网络（CNN）的新型检测方法，称为AttentionNet。我们将目标检测问题转换为迭代分类问题，这是CNN最合适的形式。AttentionNet提供指向目标对象的量化弱方向，AttentionNet的迭代预测集合收敛到准确的对象边界框。由于AttentionNet是一个用于目标检测的统一网络，因此它可以在从对象建议到后边界框回归的任何单独模型的情况下检测对象。我们通过人类检测任务评估AttentionNet，并在PASCAL VOC 2007/2012上仅使用8层架构实现了65%（AP）的最先进性能。
2015-09-26 cs.CV cs.LG
A Comprehensive Study on Object Detection Techniques in Unconstrained Environments
The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）
本文系统综述了无约束环境下目标检测技术，梳理主要挑战、数据集与前沿方法，比较其优缺点，并提出未来研究方向。
2023-04-11 cs.CV cs.LG
Generalized Open-World Semi-Supervised Object Detection
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对传统半监督目标检测仅适配固定类别、易误判未见过类别的问题，提出基于集成的OOD Explorer及可适配半监督检测框架，实现开放世界下OOD样本检测与学习，兼顾ID类准确率并提升整体半监督性能。
2024-11-01 cs.CV cs.LG
Object Detection in Aerial Images: What Improves the Accuracy?
目标检测是计算机视觉中一个具有挑战性的热点问题。这个问题在航空图像中更具挑战性，因为在不同的对象类别中，尺度和视角会发生显著变化。最近，针对航空图像中的目标检测问题，已经积极探索了基于深度学习的目标检测方法。在这项工作中，我们研究了Faster R-CNN对空中目标检测的影响，并探索了多种策略来提高其在空中图像中的性能。我们在具有挑战性的iSAID数据集上进行了广泛的实验。由此产生的适应性更快的R-CNN在iSAID验证集上获得了4.96%的显著mAP增益，这表明了这项工作中研究的不同策略的影响。
2022-01-21 cs.AI cs.CV
SparseDet: Towards End-to-End 3D Object Detection
Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所）；University of Rochester（罗切斯特大学）；Huazhong University of Science and Technology（华中科技大学）
在本文中，我们提出了SparseDet的端到端的3D目标检测从点云。关于3D目标检测的现有工作依赖于遵循用于2D图像中的目标检测的主流方法的3D或2D网格中的所有位置上的密集目标候选。然而，这种密集的模式需要数据方面的专业知识来填补标记和检测之间的空白。作为一种新的检测范式，SparseDet维护了一组固定的可学习建议来表示潜在的候选对象，并通过堆栈Transformers直接对3D对象进行分类和定位。结果表明，该方法无需冗余去除和非最大值抑制等后处理，即可实现有效的三维目标检测。通过适当设计的网络，SparseDet实现了极具竞争力的检测精度，同时以34.5 FPS的更高效速度运行。我们相信SparseDet的这种端到端范例将激发对3D目标检测稀疏性的新思考。
2022-06-02 cs.AI cs.CV
False Detection (Positives and Negatives) in Object Detection
目标检测是视觉感知系统的一项重要功能。从早期基于HOG的经典目标检测到现代基于深度学习的检测器，目标检测的准确性有所提高。两级检测器通常比单级检测器具有更高的精度。这两种类型的检测器都使用图像矩形区域的搜索空间的某种形式的量化。量化的元素比真实的对象多得多。这些边界框被过滤掉的方式可能导致假阳性和假阴性。这项实证实验研究探索了使用标记数据减少假阳性和假阴性的方法。在此过程中，还发现Openimage 2019目标检测数据集中的标签不足。
2020-08-16 cs.CV cs.LG cs.NE
PSA-Det3D: Pillar Set Abstraction for 3D object Detection
Sun Yat-sen University（中山大学）
三维点云小目标检测目标检测是一个具有挑战性的问题，这主要是由于以下两个方面的限制：（1）由于有效点的缺乏，小目标的检测比正常目标要困难得多。(2)小的物体很容易被阻挡，这会破坏它们在3D点云中的网格形状。本文提出了一种柱集提取（PSA）和前景点补偿（FPC）的方法，并设计了一个基于点的检测网络PSA-Det 3D，以提高小目标的检测性能。PSA在集合抽象的基础上嵌入了一个柱形查询操作来扩展网络的接收域，可以有效地聚合点特征。为了定位更多的遮挡对象，我们提出了一个建议生成层，包括前景点分割和FPC模块。最后将前景点和估计中心融合在一起以生成检测结果。在KITTI 3D检测基准上的实验表明，PSA-Det 3D在小目标检测中具有较高的检测精度，优于其他算法。
2022-10-26 cs.AI cs.CV
SimpleDet: A Simple and Versatile Distributed Framework for Object Detection and Instance Recognition
目标检测和实例识别在自动驾驶、视频监控和医学图像分析等许多人工智能应用中发挥着核心作用。然而，在大规模数据集上训练目标检测模型仍然在计算上昂贵且耗时。本文提出了一种高效的开源目标检测框架SimpleDet，它可以在大规模的消费级硬件上训练最先进的检测模型。SimpleDet支持最新的检测模型和最佳实践。SimpleDet还支持分布式训练，开箱即用，接近线性扩展。SimpleDet的代码、示例和文档可以在https://github.com/tusimple/simpledet上找到。
2019-03-14 cs.CV cs.LG
On the Complexity of Object Detection on Real-world Public Transportation Images for Social Distancing Measurement
Newcastle University（纽卡斯尔大学）
在公共场所保持社交距离已成为帮助减少COVID-19疫情影响的重要方面。利用机器学习的最新进展，在文献中已经有许多研究通过在公共空间中使用监控摄像头经由目标检测来实现社交距离。然而，到目前为止，还没有关于公共交通的社会距离测量的研究。公共交通环境具有一些独特的挑战，包括一些低分辨率图像和摄像头位置，这些图像和摄像头位置可能导致乘客的部分遮挡，这使得执行准确检测具有挑战性。因此，在本文中，我们研究了在公共交通上进行准确的社会距离测量的挑战。我们基准几个国家的最先进的目标检测算法使用现实世界的镜头从伦敦地铁和公交网络。这项工作突出了对当前公共交通车载摄像头的图像进行社交距离测量的复杂性。此外，利用领域知识的预期乘客的行为，我们试图提高质量的检测使用各种策略，并显示改进单独使用香草目标检测。
2022-02-14 cs.CV cs.LG
BadDet: Backdoor Attacks on Object Detection
深度学习模型已被部署在许多现实世界的应用中，如自动驾驶和监控。然而，这些模型在对抗性环境中很脆弱。后门攻击作为一种严重的安全威胁正在出现，它将后门触发器注入到一小部分训练数据中，使得经过训练的模型在良性输入下表现正常，但在特定触发器出现时给出不正确的预测。虽然大多数后门攻击的研究集中在图像分类，后门攻击的目标检测还没有被探索，但同样重要。目标检测已被用作自动驾驶等各种安全敏感应用中的重要模块。因此，对目标检测的后门攻击可能对人类生命和财产造成严重威胁。针对目标检测任务提出了四种后门攻击：1）目标生成攻击：一个触发器可以错误地生成目标类的目标; 2）区域误分类攻击：一个触发器可以改变周围目标对目标类的预测; 3）全局误分类攻击：一个触发器可以改变图像中所有目标对目标类的预测; 4）对象消失攻击：触发器可以使检测器无法检测到目标类的对象。我们开发适当的指标来评估四个后门攻击的目标检测。我们使用两个典型的目标检测模型- Faster-RCNN和YOLOv 3在不同的数据集上进行实验。更重要的是，我们证明了即使在另一个良性数据集上进行微调也无法删除隐藏在目标检测模型中的后门。为了抵御这些后门攻击，我们提出了检测器清洗，一个基于熵的运行时检测框架，以确定中毒的测试样本的任何部署的对象检测器。
2022-05-28 cs.AI cs.CV
Attention-based Joint Detection of Object and Semantic Part
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
在本文中，我们解决了像狗这样的对象及其语义部分（如面部，腿部等）的联合检测问题。我们的模型是在两个Faster-RCNN模型的基础上创建的，这两个模型共享它们的特征，以执行相关对象和部分特征的新的基于注意力的特征融合，以获得两者的增强表示。这些表示分别用于两个模型的最终分类和限界框回归。我们在PASCAL-Part 2010数据集上的实验表明，在IoU=0.5时，联合检测可以同时提高目标检测和部分检测的平均精度（mAP）。
2020-07-05 cs.CV cs.LG
AdaCon: Adaptive Context-Aware Object Detection for Resource-Constrained Embedded Devices
Brown University（布朗大学）
卷积神经网络在目标检测任务中实现了最先进的精度。然而，它们具有巨大的计算和能源需求，这对它们在资源受限的边缘设备上的部署提出了挑战。目标检测将图像作为输入，并识别现有的对象类以及它们在图像中的位置。在本文中，我们利用先验知识的概率，不同的对象类别可以共同出现，以提高目标检测模型的效率。特别是，我们的技术集群的对象类别的基础上，他们的空间同现概率。我们使用这些集群来设计一个自适应网络。在运行时，分支控制器基于输入帧的空间上下文决定执行网络的哪些部分。我们使用COCO数据集的实验表明，我们的自适应目标检测模型实现了高达45%的能量消耗减少，高达27%的延迟减少，在目标检测的平均精度（AP）的小损失。
2021-08-16 cs.AI cs.CV
Open World DETR: Transformer based Open World Object Detection
National University of Singapore（新加坡国立大学）；Harbin Institute of Technology（哈尔滨工业大学）
开放世界目标检测的目的是在没有明确监督的情况下将训练数据的对象类中不存在的对象检测为未知对象。此外，当递增地给出未知对象的相应注释时，必须识别未知对象的确切类，而不会灾难性遗忘先前已知的类。本文提出了一种基于可变形DETR的开放世界目标检测的两阶段训练方法Open World DETR。在第一阶段中，我们在当前注释数据上预训练模型，以从当前已知类别中检测对象，并同时训练额外的二元分类器，以将预测分类为前景或背景类别。这有助于模型建立一个无偏的特征表示，可以方便在后续过程中检测未知类。在第二阶段，我们微调模型的类特定组件与多视图自标记策略和一致性约束。此外，我们减轻灾难性遗忘时，未知类的注释变得可用增量使用知识蒸馏和样本重放。在PASCAL VOC和MS-COCO上的实验结果表明，该方法的性能明显优于其他开放世界目标检测方法。
2022-12-06 cs.CV
Recent Advances in Deep Learning for Object Detection
Singapore Management University（新加坡管理大学）；Salesforce Research Asia（Salesforce亚洲研究院）
目标检测是计算机视觉中的一个基本的视觉识别问题，在过去的几十年里得到了广泛的研究。视觉目标检测的目的是在给定的图像中找到具有精确定位的特定目标类别的对象，并为每个对象实例分配相应的类别标签。由于基于深度学习的图像分类的巨大成功，近年来已经积极地研究了使用深度学习的目标检测技术。在本文中，我们全面综述了深度学习在视觉目标检测方面的最新进展。通过回顾大量最近的相关文献，我们系统地分析了现有的目标检测框架，并将调查分为三个主要部分：（i）检测组件，（ii）学习策略，（iii）应用程序和基准。在调查中，我们详细介绍了影响检测性能的各种因素，如检测器架构，特征学习，建议生成，采样策略等。最后，我们讨论了几个未来的方向，以促进和刺激未来的研究与深度学习的视觉目标检测。关键词：目标检测，深度学习，深度卷积神经网络
2019-08-10 cs.CV cs.LG cs.MM
Research Progress of Convolutional Neural Network and its Application in Object Detection
East China University of Science and Technology（华东理工大学）
随着计算机性能的提高和数据量的增加，基于卷积神经网络（CNN）的目标检测已成为目标检测的主要算法。综述了卷积神经网络及其在目标检测中的应用研究进展，重点分析和讨论了将卷积神经网络应用于目标检测的具体思路和方法，指出了目前存在的不足和未来的发展方向。
2020-07-27 cs.CV cs.LG eess.IV
Tiny SSD: A Tiny Single-shot Detection Deep Convolutional Neural Network for Real-time Embedded Object Detection
University of Waterloo（滑铁卢大学）；DarwinAI（达尔文人工智能）
目标检测是计算机视觉中的主要挑战，涉及场景内的目标分类和目标定位。虽然近年来深度神经网络已被证明可以产生非常强大的技术来应对目标检测的挑战，但使这种目标检测网络能够在嵌入式设备上广泛部署的最大挑战之一是高计算和内存要求。最近，人们越来越关注探索更适合嵌入式设备（例如Tiny YOLO和SqueezeDet）的用于目标检测的小型深度神经网络架构。受SqueezeNet中引入的Fire微架构的效率和SSD中引入的单次检测宏架构的目标检测性能的启发，本文介绍了Tiny SSD，这是一种用于实时的【形】嵌入式目标检测的单次检测深度卷积神经网络，非均匀Fire子网络堆栈和高度优化的基于SSD的辅助卷积特征层的非均匀子网络堆栈，专门设计用于最小化模型大小，同时保持目标检测性能。由此产生的Tiny SSD拥有2.3MB的模型大小（比Tiny YOLO小约26倍），同时仍然在VOC 2007上实现了61.3%的mAP（比Tiny YOLO高约4.2%）。这些实验结果表明，非常小的深度神经网络架构可以设计用于非常适合嵌入式场景的实时的【形】目标检测。
2018-02-19 cs.AI cs.CV cs.NE
EW-DETR: Evolving World Object Detection via Incremental Low-Rank DEtection TRansformer
Sony Research India（索尼印度研究院）；IIIT Hyderabad（海德拉巴国际信息技术学院）
本文提出EW-DETR框架，结合增量学习、领域自适应和未知检测，在无示例约束下实现进化世界目标检测，通过三个协同模块提升性能，实验表明其在Pascal系列和多天气基准上表现优异。
2026-04-02 cs.CV
The Probabilistic Object Detection Challenge
Queensland University of Technology（昆士兰科技大学）；Australian Centre for Robotic Vision（澳大利亚机器人视觉中心）
我们介绍了计算机和机器人视觉的一个新的挑战，第一ACRV机器人视觉挑战，概率目标检测。概率目标检测是传统目标检测任务的一种新的变化，需要估计空间和语义的不确定性。我们扩展了传统的限界框格式的目标检测表示空间不确定性使用高斯分布的方块角。该挑战引入了一个新的视频序列测试数据集，旨在更接近机器人系统可用的数据类型。我们使用一种新的基于概率的检测质量（PDQ）的措施来评估概率检测。创建此挑战的目标是将计算机和机器人视觉社区聚集在一起，将目标检测解决方案应用于实际的机器人应用。
2019-04-08 cs.CV cs.LG cs.RO
Detection as Regression: Certified Object Detection by Median Smoothing
University of Maryland（马里兰大学）
尽管物体探测器容易受到对抗攻击的攻击，但迄今为止，人们知道的防御措施很少。虽然对抗训练可以提高图像分类器的经验鲁棒性，但直接扩展到目标检测是非常昂贵的。这项工作的动机是最近的进展，认证分类随机平滑。我们首先提出了一个减少从目标检测回归问题。然后，为了使认证回归，标准均值平滑失败，我们提出了中值平滑，这是独立的利益。我们获得了针对$\ell_2$有界攻击的目标检测的第一个模型不可知、免训练和认证防御。论文中所有实验的代码都可以在http://github.com/Ping-C/CertifiedObjectDetection上找到。
2022-02-25 cs.CR cs.CV cs.LG
Butterfly Effect Attack: Tiny and Seemingly Unrelated Perturbations for Object Detection
Fraunhofer IKS（弗劳恩霍夫智能感知与系统研究所）
这项工作的目的是探索和识别微小的和看似无关的扰动图像中的目标检测，将导致性能下降。虽然tininess可以很自然地定义使用$L_p$规范，我们的特点的程度“无关性”的对象之间发生的扰动和对象的像素距离。在满足两个目标的同时触发预测误差可以被配制成一个多目标优化问题，我们利用遗传算法来指导搜索。结果成功地证明了图像右侧部分的（不可见的）扰动可以极大地改变左侧目标检测的结果。一个广泛的评估重申了我们的猜想，基于transformer的目标检测网络更容易受到蝴蝶效应相比，单级目标检测网络，如YOLOv5。
2022-11-14 cs.CV cs.LG cs.SE
Towards Sparsely Annotated Open-World Object Detection
Pusan National University（釜山国立大学）
针对稀疏标注与开放世界目标检测共存的问题，提出SA-OWOD任务，构建DPOD框架，通过KTRM与DDTG模块提升未知目标检测性能，优于现有方法。
2026-08-14 cs.CV
Visual Concept Detection and Real Time Object Detection
LIACS Media Lab（LIACS媒体实验室）
在10类视觉概念检测问题上实现并尝试了词袋模型。实验结果表明，“DURF+ERT+SVM”算法在检测性能和计算效率上均优于“SIFT+ERT+SVM”算法。此外，结合DURF和SIFT的结果，甚至更好的检测性能。本文还对饮料罐等简单目标进行了SIFT和RANSAC的实时目标检测实验，取得了较好的效果。
2011-04-04 cs.CV
Memory Maps for Video Object Detection and Tracking on UAVs
University of Tuebingen（图宾根大学）
提出了一种新的无人机视频目标检测方法。通过合并元数据，所提出的方法创建了一个内存映射的对象位置在实际世界坐标，提供了一个更强大的和可解释的表示对象的位置在这两个，图像空间和现实世界。我们使用这种表示来提高置信度，从而提高了几个时间计算机视觉任务的性能，如视频目标检测，短期和长期的单个和多个目标跟踪，以及视频异常检测。这些发现证实了元数据在增强无人机在时间计算机视觉领域的能力方面的好处，并为该领域的进一步发展铺平了道路。
2023-03-06 cs.AI cs.CV cs.RO
Vague2Detect: Handling Ambiguous Prompts in Knowledge-Based Open-World Detection
Dongguk University（东国大学）
针对YOLO-World难以处理模糊提示的问题，提出Vague2Detect混合流水线，结合微调Sentence-BERT和知识库检索候选，GPT-3.5扩展知识库，将VPSR从32%提升至61%，最高达85%。
2026-09-10 cs.CL cs.CV cs.LG
Class-agnostic Object Detection
Amazon（亚马逊）
目标检测模型在对训练期间显示的对象进行定位和分类方面表现良好。然而，由于与创建和注释检测数据集相关联的困难和成本，训练的模型检测到有限数量的对象类型，其中未知对象被视为背景内容。这阻碍了通过传统的检测器在现实世界中的应用，如大规模的对象匹配，视觉接地，视觉关系预测，障碍物检测（它是更重要的是确定对象的存在和位置比找到特定类型）等，我们提出了类不可知的目标检测作为一个新的问题，专注于检测对象，而不管他们的对象类。具体来说，目标是预测图像中所有对象的边界框，而不是它们的对象类。然后，预测的盒子可以被另一个系统消费，以执行特定于应用程序的分类，检索等，我们提出了培训和评估协议的基准类不可知检测器，以推进未来的研究在这一领域。最后，我们提出了（1）基线方法和（2）一个新的对抗性学习框架，用于类不可知检测，迫使模型从用于预测的特征中排除特定于类的信息。实验结果表明，对抗性学习提高了类无关检测的效率。
2020-11-28 cs.CV cs.LG stat.ML
Mask-based Invisible Backdoor Attacks on Object Detection
Individual Researcher
本文提出一种基于掩码的目标检测不可见后门攻击方法，设计了目标消失、误分类和生成三种攻击场景，并通过实验验证了其有效性及防御对策。
2024-06-04 cs.AI cs.CR cs.CV
Detect Only What You Specify : Object Detection with Linguistic Target
Fujitsu Laboratories Ltd.（富士通实验室有限公司）
目标检测是一项计算机视觉任务，即为给定图像中的每个感兴趣对象预测一组边界框和类别标签。范畴与语言符号如“狗”或“人”相关，它们之间应该存在联系。然而，对象检测器只学习分类的类别，并没有把它们作为语言符号。多模态模型通常使用预训练的对象检测器从图像中提取对象特征，但是模型与检测器分离，并且提取的视觉特征不随其语言输入而改变。我们重新思考的目标检测作为一个视觉和语言推理任务。然后，我们提出了有针对性的检测任务，其中检测目标是由一个自然语言和任务的目标是检测所有的目标对象在一个给定的图像。如果目标没有给出，则不会进行检测。常用的现代对象检测器有许多手工设计的组件，如锚，很难将文本输入融合到复杂的管道中。因此，我们提出了有针对性的检测基于最近提出的基于变压器的检测器的目标检测器（LTD）。LTD是一个编码器-解码器架构，我们的条件解码器允许模型以文本输入作为语言上下文来推理编码图像。我们评估了COCO目标检测数据集上LTD的检测性能，并表明我们的模型改善了基于视觉对象的文本输入的检测结果。
2022-11-18 cs.CL cs.CV cs.LG
Deep learning for class-generic object detection
我们研究了深度神经网络在类通用目标检测新任务中的应用。我们表明，最初设计用于图像识别的神经网络可以被训练来检测图像中的对象，无论其类别如何，包括没有提供限界框标签的对象。此外，我们还表明，限界框标签在ImageNet识别挑战中的性能提高了1%。
2013-12-24 cs.CV cs.LG cs.NE
Subcategory-aware Convolutional Neural Networks for Object Proposals and Detection
University of Washington（华盛顿大学）；NEC Laboratories America, Inc.（美国NEC实验室公司）；Baidu, Inc.（百度公司）；Stanford University（斯坦福大学）
在基于CNN的目标检测方法中，当目标出现明显的尺度变化、遮挡或截断时，区域建议成为瓶颈。此外，这些方法主要集中于2D目标检测，并且不能估计对象的详细属性。在本文中，我们提出了用于目标检测的子类感知CNN。我们介绍了一种新的区域建议网络，使用子类信息来指导建议生成过程，以及一种新的检测网络，用于联合检测和子类分类。通过使用与对象姿态相关的子类别，我们在常用的基准测试中实现了检测和姿态估计的最新性能。
2017-03-09 cs.CV
Open-World Object Detection via Discriminative Class Prototype Learning
Shanghai University（上海大学）
开放世界目标检测（OWOD）是一个结合了目标检测、增量学习和开集学习的具有挑战性的问题。与标准目标检测相比，OWOD设置的任务是：1）在识别未见过的类的同时检测在训练期间看到的对象，以及2）当相应的注释可用时，递增地学习所识别的未知对象的知识。我们提出了一种新颖的和有效的OWOD解决方案，从原型的角度来看，我们称之为OCPL：开放世界的目标检测通过判别类原型学习，它包括一个建议嵌入聚合器（PEA），嵌入空间压缩器（ESC）和余弦相似性为基础的分类器（CSC）。我们提出的所有模块都旨在学习已知类在特征空间中的判别嵌入，以最小化已知类和未知类的重叠分布，这有利于区分已知类和未知类。在PASCAL VOC和MS-COCO基准上进行的大量实验证明了该方法的有效性。
2023-02-23 cs.CV
Slender Object Detection: Diagnoses and Improvements
University of Rochester（罗切斯特大学）；Beihang University（北京航空航天大学）；Megvii（旷视科技）
在本文中，我们关注的是检测一种特殊类型的物体与极端的纵横比，即\textbf{slender objects}。在现实世界中，细长物体实际上非常常见，对检测系统的目标至关重要。然而，这种类型的对象已在很大程度上被忽略了以前的目标检测算法。根据我们的研究，对于经典的目标检测方法，如果仅对细长物体进行评估，则观察到COCO上的$18.9\%$ mAP急剧下降。因此，本文系统地研究了细长目标检测问题。在此基础上，建立了一个分析框架，该框架包括精心设计的基准测试和评估协议，可以对不同的算法和模块进行检查和比较。\New我们的研究表明，有效的细长目标检测可以实现~ \textbf{with none of}（1）基于锚定位;（2）专门设计的框表示。而是\textbf{the critical aspect of improving slender object detection is feature adaptation}。它确定并扩展了以前未充分利用的现有方法的见解。此外，我们提出了一个功能自适应策略，实现了明确和一致的改进，目前的代表性目标检测方法。
2021-04-07 cs.CV
Context in object detection: a systematic literature review
本综述系统梳理了上下文在目标检测中的作用，比较了多种基于上下文的方法，涵盖超过265篇文献，并指出了未来研究空白。
2025-03-29 cs.CV
TOG: Targeted Adversarial Objectness Gradient Attacks on Real-time Object Detection Systems
Georgia Institute of Technology（佐治亚理工学院）
实时的【形】海量数据捕获的快速增长将深度学习和数据分析计算推向了边缘系统。边缘上的实时的【形】对象识别是代表性的深度神经网络（DNN）驱动的边缘系统之一，用于现实世界的关键任务应用，如自动驾驶和增强现实。虽然DNN支持的目标检测边缘系统为许多丰富生活的机会提供了机会，但它们也为误用和滥用打开了大门。本文介绍了三种目标对抗性目标梯度攻击，称为TOG，这可能会导致最先进的深度目标检测网络遭受对象消失，对象制造和对象错误标记攻击。我们还提出了一个通用的对象梯度攻击使用对抗性的黑盒攻击，这是有效的攻击时间成本可以忽略不计的任何输入，低人类感知，特别是不利于目标检测边缘系统。我们使用两个基准数据集（PASCAL VOC和MS COCO）对两种最先进的检测算法（YOLO和SSD）进行了实验测量。结果表明，严重的对抗性弱点和迫切需要开发强大的目标检测系统。
2020-04-09 cs.CR cs.CV cs.LG
Camouflaged Object Detection and Tracking: A Survey
International Institute of Information Technology, Hyderabad（海得拉巴国际信息技术学院）
运动目标检测和跟踪具有各种应用，包括监视、异常检测、车辆导航等。关于目标检测和跟踪的文献足够丰富，并且存在几个基本的调查论文。然而，由于问题的复杂性，使得对伪装目标检测和跟踪的研究受到限制。现有的工作对这个问题已经做了基于生物特征的被包裹的对象或计算机视觉技术。在这篇文章中，我们回顾了现有的隐藏的目标检测和跟踪技术，使用计算机视觉算法从理论的角度来看。本文还讨论了几个感兴趣的问题，以及未来的研究方向在这一领域。我们希望这篇综述能帮助读者了解隐藏目标检测和跟踪的最新进展。
2020-12-25 cs.CV
Seq-NMS for Video Object Detection
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；National University of Singapore（新加坡国立大学）
视频目标检测是具有挑战性的，因为在一个帧中容易检测到的对象可能难以在同一剪辑内的另一帧中检测到。最近，在单个图像中进行目标检测已经有了重大进展。这些方法通常包含三个阶段：（i）对象建议生成（ii）对象分类和（iii）后处理。我们提出了一个修改后的处理阶段，使用高得分的目标检测从附近的帧，以提高分数较弱的检测在同一剪辑。我们表明，我们的方法获得优越的结果，最先进的单图像目标检测技术。我们的方法在ImageNet大规模视觉识别挑战赛2015（ILSVRC 2015）的视频目标检测（VID）任务中排名第三。
2016-08-22 cs.CV
C-RPNs: Promoting Object Detection in real world via a Cascade Structure of Region Proposal Networks
Peking University（北京大学）；Peng Cheng Laboratory（鹏城实验室）；University of Technology Sydney（悉尼科技大学）；National Engineering Laboratory for Video Technology - Shenzhen Division（视频技术国家工程实验室-深圳分部）
最近，在目标检测公共基准（即，Pascal VOC）。然而，由于数据严重不平衡，现实世界中的目标检测仍然具有挑战性。现实世界中的图像主要是由简单的样本，如广泛的背景和一些容易识别的对象，例如。虽然Faster R-CNN等两阶段检测器在目标检测中取得了很大的成功，但由于在提取区域建议时没有考虑挖掘硬样本，因此它们在实际目标检测中的适应性较差。为了解决这个问题，我们提出了一个级联框架的区域建议网络，简称为C-RPN。C-RPN的本质是在提取区域建议的同时，采用多阶段挖掘硬样本，学习更强的分类器。同时，提出了一个特征链和一个分数链，以帮助学习更多的歧视性表示的建议。设计了级联级的损失函数，通过反向传播对级联分类器进行训练。我们提出的方法已经在Pascal VOC和几个具有挑战性的数据集上进行了评估，如BSBDV 2017，CityPersons等。与当前最先进的错误分析和全面改进相比，我们的方法取得了有竞争力的结果，验证了其在现实世界中检测的有效性。
2019-08-19 cs.CV
Active Terahertz Imaging Dataset for Concealed Object Detection
College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics（南京航空航天大学计算机科学与技术学院）
太赫兹成像中隐藏目标检测是公共安全和反恐的迫切需要。在本文中，我们提供了一个公共数据集，用于评估多个目标检测算法在主动太赫兹成像分辨率5毫米5毫米。据我们所知，这是第一个公共太赫兹成像数据集准备评估目标检测算法。由于其较差的成像质量，该数据集上的目标检测比那些标准公共目标检测数据集上的目标检测困难得多。针对目标检测中存在的样本不平衡和训练样本困难的问题，本文在该数据集上对四种常用的检测器：YOLOv 3、YOLOv 4、FRCN-OHEM和RetinaNet进行了评估。实验结果表明，RetinaNet实现了最高的mAP。此外，我们证明了隐藏在人体不同部位的物体会影响检测精度。该数据集可在https://github.com/LingLIx/THz_Dataset上获得。
2021-05-08 cs.CV
On Physical Adversarial Patches for Object Detection
Carnegie Mellon University（卡内基梅隆大学）
在本文中，我们展示了针对对象检测器的物理对抗补丁攻击，特别是YOLOv3检测器。与以前的工作物理目标检测攻击，这需要补丁被错误分类或避免检测的对象重叠，我们表明，一个适当设计的补丁可以抑制几乎所有检测到的对象在图像中。也就是说，我们可以将补丁放置在图像中的任何地方，导致图像中所有现有的物体都被检测器完全错过，即使是那些远离补丁本身的物体。这反过来又开辟了针对目标检测系统的新的物理攻击路线，该系统不需要修改场景中的对象。该系统的演示可以在https://youtu.be/WXnQjbZ1e7Y上找到。
2019-06-20 cs.CR cs.CV cs.LG
Integrated Object Detection and Tracking with Tracklet-Conditioned Detection
Microsoft Research Asia（微软亚洲研究院）；Beijing Institute of Technology（北京理工大学）；University of Science and Technology of China（中国科学技术大学）
目标的准确检测和跟踪对于有效的视频理解至关重要。在以前的工作中，这两个任务已经结合在一起的方式，跟踪是基于检测很大程度上，但检测效益边际跟踪。为了提高协同作用，我们建议通过在先前帧中计算的轨迹上调节当前帧中的目标检测来更紧密地集成任务。利用该方法，目标检测结果不仅具有高的检测响应，而且还提高了与现有轨迹的一致性。这种更大的相干性导致估计的对象轨迹比在没有轨迹段条件检测的情况下获得的抖动路径更平滑和更稳定。在广泛的实验中，这种方法被证明是实现国家的最先进的性能方面的检测和跟踪精度，以及跟踪稳定性的显着改善。
2018-11-27 cs.CV
Template Matching based Object Detection Using HOG Feature Pyramid
University of California-Irvine（加州大学欧文分校）
本文提供了一个逐步发展的设计一个目标检测计划，使用HOG的基础上的特征金字塔与模板匹配的概念。
2014-06-27 cs.CV
MLLM-Guided Autonomous Object Detection for Open-World Understanding
University of South Florida（佛罗里达州立大学）；Mitsubishi Electric Research Laboratories (MERL)（三菱电机研究实验室）
提出LLM引导的智能体目标检测框架LAOD，通过LLM生成场景特定物体名称实现零样本检测，并引入CAAP和SNAP指标分别评估定位与命名，在多个数据集上验证了检测新物体的强劲性能。
2026-10-20 cs.CV
ParkingSticker: A Real-World Object Detection Dataset
我们提出了一个新的和具有挑战性的目标检测数据集，ParkingSticker，它模仿的数据类型在行业问题中比流行的现有数据集，如PASCAL VOC更密切。ParkingSticker包含1，871张来自安全摄像头视频的图像。目标是识别靠近安全摄像头所面对的大门的汽车上的停车标签。在图像中的停车贴纸周围绘制了边界框。停车贴纸平均比其他流行的目标检测数据集中的对象小得多;这使得ParkingSticker成为目标检测方法的一个具有挑战性的测试。该数据集还非常真实地代表了许多行业问题中可用的数据，其中客户提供了一些视频帧并要求解决非常困难的问题。使用YOLOv 2架构的各种目标检测流水线的性能，并指出，识别停车贴纸在停车贴纸是具有挑战性的，但可行的。我们相信，这个数据集将挑战研究人员解决现实世界的问题，如非理想的相机定位和小的对象大小与图像大小的比例。
2020-02-12 cs.CV
Reducing the Amount of Real World Data for Object Detector Training with Synthetic Data
dSPACE GmbH；Institute of Computer Sciences, University Osnabrück（奥斯纳布吕克大学计算机科学研究所）
许多研究已经调查了在现实世界中应用的合成数据的神经网络的训练。本研究的目的是量化在使用合成数据集和真实世界数据的混合数据集时可以节省多少真实世界数据。通过一个简单的幂律模型的训练样本的数量和检测性能之间的关系，我们发现，对真实世界的数据可以减少高达70%，而不牺牲检测性能。目标检测网络的训练特别是通过用在现实世界数据集中代表性不足的类来丰富混合数据集来增强。结果表明，真实世界数据比率在5%到20%之间的混合数据集在不降低检测性能的情况下最大限度地减少了对真实世界数据的需求。
2022-01-31 cs.CV
Plug & Play Convolutional Regression Tracker for Video Object Detection
University of Twente（特温特大学）；Wuhan University（武汉大学）
视频目标检测的目标是同时定位对象的边界框并在给定视频中识别它们的类别。视频目标检测的一个挑战是在整个视频中一致地检测所有对象。由于对象的外观可能在某些帧中恶化，因此通常使用来自其他帧的特征或检测来增强预测。在本文中，我们提出了一个即插即用的规模自适应卷积回归跟踪器的视频目标检测任务，它可以很容易地和兼容地植入到当前国家的最先进的检测网络。由于跟踪器重复使用来自检测器的特征，因此对检测网络来说，这是一个非常轻的增量。整个网络的运行速度接近标准的目标检测器。通过我们新的视频目标检测流水线设计，图像目标检测器可以轻松地变成高效的视频目标检测器，而无需修改任何参数。性能在大规模ImageNet VID数据集上进行了评估。我们的即插即用设计将图像检测器的mAP分数提高了约5%，速度仅下降很少。
2020-03-02 cs.CV
UC-OWOD: Unknown-Classified Open World Object Detection
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）；Peking University（北京大学）
开放世界目标检测（OWOD）是一个具有挑战性的计算机视觉问题，它需要检测未知对象并逐渐学习所识别的未知类。但是，它不能将未知实例区分为多个未知类。在这项工作中，我们提出了一个新的OWOD问题称为未知分类开放世界目标检测（UC-OWOD）。UC-OWOD旨在检测未知实例并将其分类为不同的未知类。此外，我们制定的问题，并设计了一个两阶段的目标检测器来解决UC-OWOD。首先，未知标签感知的建议和未知判别分类头被用来检测已知和未知的对象。然后，基于相似性的未知分类和未知聚类细化模块的构建，以区分多个未知类。此外，两个新的评估协议被设计来评估未知类检测。大量的实验和可视化结果证明了该方法的有效性。代码可在https://github.com/JohnWuzh/UC-OWOD上获得。
2022-07-23 cs.CV
Towards Object Detection from Motion
Robotics at Google（谷歌机器人部门）
提出了一种新的弱监督目标检测方法。我们的方法不需要注释图像，只需要两个短视频来学习检测新对象：1）移动对象的视频和2）一个或多个没有对象的场景的“负”视频。我们的算法的关键思想是训练对象检测器，以产生物理上合理的对象运动时，应用于第一个视频，并没有检测到任何在第二个视频。通过这种方法，我们的方法学习在没有任何对象位置注释的情况下定位对象。一旦模型被训练，它就对单个图像执行目标检测。我们在三种机器人设置中评估了我们的方法，这些机器人设置可以从运动中学习对象：观察移动对象，观看对象操作的演示，以及与对象进行物理交互（参见https：//youtu.be/BH0Hv3zZG_4上的视频摘要）。
2019-09-17 cs.CV cs.LG cs.RO
A Versatile Multi-View Framework for LiDAR-based 3D Object Detection with Guidance from Panoptic Segmentation
Huawei Noah’s Ark Lab（华为诺亚方舟实验室）
使用LiDAR数据的3D目标检测是自动驾驶系统不可或缺的组成部分。然而，只有少数基于LiDAR的3D目标检测方法利用分割信息来进一步指导检测过程。在本文中，我们提出了一种新的多任务框架，共同执行三维目标检测和全景分割。在我们的方法中，3D目标检测骨干在鸟瞰图（BEV）平面增加的距离视图（RV）的特征图从3D全景分割骨干的注入。这使得检测骨干能够利用多视图信息来解决每个投影视图的缺点。此外，前景语义信息被纳入，以减轻检测任务，突出显示的位置，每个对象类的特征图。最后，基于实例级信息生成的新中心密度热图通过建议对象的可能框中心位置来进一步指导检测骨干。我们的方法适用于任何基于BEV的3D目标检测方法，并且如在nuScenes数据集上的大量实验所示，它提供了显着的性能增益。值得注意的是，基于单级CenterPoint 3D目标检测网络的所提出的方法在nuScenes 3D检测基准测试中达到了最先进的性能，具有67.3 NDS。
2022-03-04 cs.CV
3D Object Class Detection in the Wild
Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
在强大的统计学习技术与强大的图像表示相结合的成功推动下，对象类检测长期以来一直是2D限界框定位的同义词。直到最近，人们对重温早期计算机视觉的承诺越来越感兴趣：在3D中逐对象地精确描绘视觉场景的内容。在本文中，我们从最近的进展，目标检测和2D-3D对象提升，以设计一个对象类检测器，特别是针对3D对象类检测。我们的3D对象类检测方法包括几个阶段，逐渐丰富的目标检测输出与对象的观点，关键点和3D形状估计。经过精心设计，在每个阶段，它不断提高性能，并在具有挑战性的Pascal 3D+数据集上同时进行2D限界框和视点估计时达到最先进的性能。
2015-03-17 cs.CV
