Adversarial Rain Attack and Defensive Deraining for DNN Perception
Nanyang Technological University（南洋理工大学）；Alibaba Group（阿里巴巴集团）；Singapore Management University（新加坡管理大学）；University of Alberta（阿尔伯塔大学）；Kyushu University（九州大学）；Tianjin University（天津大学）；Teesside University（提赛德大学）
降雨常常对基于深度神经网络（DNN）的感知系统造成不可避免的威胁，并且全面调查降雨对DNN的潜在风险是非常重要的。然而，要收集或合成能够代表真实世界中可能发生的所有降雨情况的降雨图像是相当困难的。为此，本文从一个新的视角出发，提出将两个完全不同的研究结合起来，即，雨图像合成和对抗攻击。我们首先提出了一个对抗性的雨攻击，通过它，我们可以在部署的DNN的指导下模拟各种降雨情况，并揭示降雨可能带来的潜在威胁因素。特别是，我们设计了一个因子感知的雨生成，根据相机曝光过程合成雨条纹和模型的对抗攻击的可学习的雨因子。使用该生成器，我们对图像分类和目标检测进行了对抗性雨攻击。为了保护DNN免受负面降雨效应的影响，我们还提出了一种防御性的去锚策略，为此我们设计了一种对抗性降雨增强，它使用混合对抗性降雨层来增强下游DNN感知的去锚模型。我们对各种数据集的大规模评估表明，我们合成的具有逼真外观的下雨图像不仅对DNN表现出强大的对抗能力，而且还增强了防御目的的deraining模型，为进一步的雨鲁棒感知研究奠定了基础。
2022-02-03 cs.CR cs.CV
A Coarse-to-Fine Multi-stream Hybrid Deraining Network for Single Image Deraining
Hefei University of Technology（合肥工业大学）；Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））
由于单图像的不适定性质，单图像去伪任务仍然是一个非常具有挑战性的任务。最近，研究人员试图通过训练基于CNN的端到端模型来解决这个问题，但他们仍然无法精确地从下雨的图像中提取负雨条纹，这通常会导致过度降雨或降雨不足的结果。为了解决这个问题，本文提出了一种新的由粗到细的单图像去盲框架，称为多流混合去盲网络（简称MH-DerainNet）。为了更准确地获取训练过程中的负雨纹，我们提出了一个新的模块，称为双路径剩余密集块，即，残差路径和稠密路径。残差路径用于重用以前层的共同特征，而稠密路径可以探索新的特征。此外，为了连接不同的缩放特征，我们还应用了多流的思想，在级联的双路径残差密集块流之间具有捷径。为了获得更清晰的去噪图像，我们结合了SSIM损失和感知损失，以保持每个像素的相似性，以及保持全局结构，使去噪结果更准确。对合成和真实降雨图像的广泛实验表明，我们的MH-DerainNet可以提供比最近几种最先进的方法显着的改进。
2019-08-28 cs.CV eess.IV
Object Detection Under Rainy Conditions for Autonomous Vehicles: A Review of State-of-the-Art and Emerging Techniques
Michigan State University（密歇根州立大学）
一般来说，先进的汽车主动安全系统，特别是自动驾驶汽车，严重依赖视觉数据来分类和定位物体，如行人，交通标志和信号灯，以及其他附近的汽车，以帮助相应的车辆在其环境中安全地操纵。然而，目标检测方法的性能可能在包括多雨条件的具有挑战性的天气场景下相当显著地降低。尽管脱轨方法的发展取得了重大进展，但降雨对目标检测的影响在很大程度上尚未得到充分研究，特别是在自动驾驶的背景下。本文的主要目的是提供一个关于最先进和新兴技术的教程，这些技术代表了减轻雨天条件对自动驾驶汽车检测物体能力的影响的主要候选技术。我们的目标包括调查和分析目标检测方法的性能，这些方法使用在晴朗和下雨的条件下捕获的视觉数据进行训练和测试。此外，我们还调查和评估了领先的去盲方法、基于深度学习的领域自适应和图像翻译框架的有效性和局限性，这些方法正在被考虑用于解决雨天条件下的目标检测问题。各种调查技术的实验结果作为本教程的一部分。
2021-02-12 cs.CV
Semi-Supervised State-Space Model with Dynamic Stacking Filter for Real-World Video Deraining
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安全学院）；School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区计算机科学与技术学院）；MoE Key Laboratory of Information Technology（教育部信息科技重点实验室）；Guangdong Provincial Key Laboratory of Information Security Technology（广东省信息安全技术重点实验室）；Key Laboratory of Educational Information for Nationalities, Yunnan Normal University（民族教育信息重点实验室，云南师范大学）；School of Mechanical Engineering and Automation, Fuzhou University（福州大学机械工程与自动化学院）
提出双分支时空状态空间模型，结合动态堆叠滤波器与中值堆叠损失实现半监督视频去雨，并在新真实世界基准上验证了其在定量指标、视觉质量和下游任务中的优越性。
2025-05-22 cs.CV
CMA-Net: A Cascaded Mutual Attention Network for Light Field Salient Object Detection
在过去的几年中，已经提出了许多深度学习方法来解决从RGB图像中分割显著对象的任务。然而，这些依赖于单一模态的方法无法在广泛使用的光场显著目标检测（SOD）数据集上实现最先进的性能，SOD数据集收集大规模自然图像并提供多模态，例如多视图、微透镜图像和深度图。近年来提出的光场SOD方法虽然提高了检测精度，但仍存在预测粗糙物体结构和推理速度慢的问题。为此，我们提出了CMA-Net，它由两个新的级联相互注意模块组成，旨在融合来自全聚焦和深度模态的高级特征。我们提出的CMA-Net在两个广泛应用的光场基准数据集上优于30种SOD方法。此外，提出的CMA-Net能够以53 fps的速度进行推理。大量的定量和定性实验说明了我们的CMA网络的有效性和效率。
2021-12-07 cs.CV
Cascaded Sparse Spatial Bins for Efficient and Effective Generic Object Detection
University of Oxford（牛津大学）；Czech Technical University in Prague（捷克布拉格技术大学）
提出了一种新的有效的目标建议抽取方法。它的“对象”功能利用了深度空间金字塔特征、一种新的快速计算的基于HoG的边缘统计和EdgeBoxes分数。的效率是通过使用空间箱在一个新的组合与稀疏诱导组归一化SVM。在Pascal VOC 07上实现了最先进的召回性能，显著优于具有可比速度的方法。有趣的是，当每个图像只考虑100个建议时，该方法在VOC 07上达到了78%的召回率。该方法改进了RCNN最先进的类特定检测器的mAP，当每个图像中仅使用50个建议时，将其增加了10个点。在20个类别上训练的系统在200个类别的ILSVRC2013集合上表现良好，证实了泛化能力。
2015-10-13 cs.CV
Cascaded Interaction with Eroded Deep Supervision for Salient Object Detection
Institute of Space Science and Applied Technology, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）空间科学与应用技术研究院）；School of Mechanical Engineering and Automation, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）机电工程与自动化学院）
本文针对显著目标检测中上下采样插值导致的信息失真问题，提出级联交互网络与全局-局部对齐注意力模块，并引入基于边缘侵蚀的深度监督策略，在多个数据集上验证了方法的优越性。
2023-11-30 cs.CV
CaTDet: Cascaded Tracked Detector for Efficient Object Detection from Video
Stanford University（斯坦福大学）；Nvidia Corporation（英伟达公司）
检测视频中的对象是一项计算密集型任务。在本文中，我们提出了CaTDet，系统加速目标检测，利用视频中的时间相关性。CaTDet由两个DNN模型组成，形成级联检测器，以及一个额外的跟踪器，用于根据历史检测预测感兴趣的区域。我们还提出了一个新的度量，平均延迟（mD），这是专为延迟关键的视频应用。在KITTI数据集上的实验表明，CaTDet将操作计数减少了5.1- 8.7倍，平均精度（mAP）与单模型Faster R-CNN检测器相同，并产生0.3帧的额外延迟。在CityPersons数据集上，CaTDet实现了13.0倍的操作减少，mAP损失为0.8%。
2019-02-19 cs.CV cs.LG
Cascaded Partial Decoder for Fast and Accurate Salient Object Detection
University of Chinese Academy of Sciences（中国科学院大学）；Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）
现有的最先进的显著目标检测网络依赖于聚合预训练的卷积神经网络（CNN）的多级特征。与高级特征相比，低级特征对性能的贡献较小，但由于其更大的空间分辨率而花费更多的计算。在本文中，我们提出了一种新的级联部分解码器（CPD）的快速和准确的显着目标检测的框架。一方面，该框架构造了部分解码器，丢弃较浅层的较大分辨率特征以加速。另一方面，我们观察到，整合更深层的特征可以获得相对精确的显着性图。因此，我们直接利用生成的显着图来细化骨干网络的特征。该策略有效地抑制了特征中的干扰项，并显着提高了特征的表示能力。在五个基准数据集上进行的实验表明，该模型不仅达到了最先进的性能，而且运行速度比现有的模型快得多。此外，该框架还被进一步应用于改进现有的多级特征聚合模型，显著提高了其效率和准确性。
2019-04-18 cs.CV
Weakly Supervised Cascaded Convolutional Networks
KU Leuven（鲁汶大学）；Sharif Tech.（谢里夫理工大学）；UMBC（马里兰大学巴尔的摩县分校）；ETH Zürich（苏黎世联邦理工学院）
目标检测是视觉理解领域的一项具有挑战性的任务，在监督较弱的情况下更是如此。最近，很少有努力来处理没有昂贵的人类注释的任务，建立有前途的深度神经网络。提出了一种新的级联网络结构来学习这种条件下的卷积神经网络（CNN）。我们介绍了两个这样的架构，无论是两个级联阶段或三个，这是在一个端到端的管道训练。这两种架构的第一阶段通过训练完全卷积网络来提取类特定区域建议的最佳候选。在三阶段架构的情况下，中间阶段使用第一阶段的激活图的输出来提供对象分割。这两种架构的最后一级是卷积神经网络的一部分，它对在前一级中提取的建议执行多实例学习。我们在PASCAL VOC 2007，2010，2012和大规模对象数据集，ILSVRC 2013，2014数据集上的实验表明，在弱监督目标检测，分类和定位方面有所改进。
2016-11-24 cs.CV
Cascaded Revision Network for Novel Object Captioning
University of Technology Sydney（悉尼科技大学）；Hangzhou Dianzi University（杭州电子科技大学）
图像描述是一个具有挑战性的任务，其中机器自动地通过句子描述图像，近年来引起了极大的关注。尽管最近的方法有了显着的改进，但是，这些方法是建立在一个大的训练图像-句子对。因此，昂贵的劳动力成本限制了字幕模型描述更广阔的世界。在本文中，我们提出了一种新的网络结构，级联修订网络，其目的是在缓解问题，通过装备的模型与领域外的知识。CRN首先尽最大努力使用来自领域内知识的现有词汇来描述图像。由于缺乏域外知识，标题可能不准确，或者包含具有未知（新）对象的图像的模糊词语。我们建议通过一系列级联操作来重新编辑主字幕语句。我们引入了一个困惑预测器，找出哪些词是最有可能是不准确的输入图像。之后，我们利用来自预训练的目标检测模型的外部知识，并通过视觉匹配模块从检测结果中选择更准确的词。在最后一步中，我们设计了一个语义匹配模块，以确保新的对象是适合在正确的位置。通过这种新的级联字幕修正机制，CRN可以准确地描述图像与不可见的对象。我们在MSCOCO数据集上验证了所提出的方法具有最先进的性能，并扩展到ImageNet，证明了该方法的有效性。
2019-08-06 cs.CV cs.MM
Cascaded Scene Flow Prediction using Semantic Segmentation
Brown University（布朗大学）；NVIDIA（英伟达）；UC Irvine（加州大学欧文分校）
给定来自一对立体相机的两个连续帧，3D场景流方法同时估计所观察场景的3D几何形状和运动。许多现有的方法使用超像素进行正则化，但可能会预测刚性移动对象内部不一致的形状和运动。相反，我们假设场景由在静态背景前面刚性移动的前景对象组成，并使用语义线索来产生像素精确的场景流估计。我们的级联分类框架通过迭代地改进语义分割掩模、立体对应、3D刚性运动估计和光流场来精确地建模3D场景。我们在具有挑战性的KITTI自动驾驶基准上评估了我们的方法，并表明考虑分段车辆的运动会带来最先进的性能。
2017-10-05 cs.CV
CMF: Cascaded Multi-model Fusion for Referring Image Segmentation
Beijing University of Posts and Telecommunications（北京邮电大学）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；Beijing Academy of Artificial Intelligence（北京人工智能研究院）；Artificial Intelligence Research, Chinese Academy of Sciences（中国科学院人工智能研究院）；University of Chinese Academy of Sciences（中国科学院大学）
在这项工作中，我们解决的任务，参考图像分割（RIS），其目的是预测的分割掩模描述的对象的自然语言表达。现有的方法大多侧重于建立视觉和语言特征之间的单向或方向性关系，将两种模态关联在一起，而忽略或未充分建模多尺度上下文。在多模态融合过程中，多尺度背景对于定位和分割具有大尺度变化的对象至关重要。为了解决这个问题，我们提出了一个简单而有效的级联多模态融合（CMF）模块，它并行堆叠多个atrous卷积层，并进一步引入级联分支来融合视觉和语言特征。级联分支可以逐步整合多尺度上下文信息，并促进多模态融合过程中两个模态的对齐。在四个基准数据集上的实验结果表明，我们的方法优于大多数最先进的方法。代码可在https://github.com/jianhua2022/CMF-Refseg上获得。
2021-06-16 cs.CV
QueryDet: Cascaded Sparse Query for Accelerating High-Resolution Small Object Detection
University of Edinburgh（爱丁堡大学）；TuSimple（图森未来）
虽然在过去几年中，使用深度学习的一般目标检测取得了巨大成功，但检测小目标的性能和效率远远不能令人满意。促进小目标检测的最常见和有效的方法是使用高分辨率图像或特征图。然而，这两种方法都引起了昂贵的计算，因为计算成本随着图像和特征的大小的增加而增加。为了在两个世界中取得最好的效果，我们提出了QueryDet，它使用一种新的查询机制来加快基于特征金字塔的对象检测器的推理速度。该流水线由两个步骤组成：首先预测低分辨率特征上的小对象的粗略位置，然后使用由这些粗略位置稀疏引导的高分辨率特征计算准确的检测结果。通过这种方式，我们不仅可以收获高分辨率特征图的好处，而且还可以避免对背景区域的无用计算。在流行的COCO数据集上，该方法将检测mAP提高了1.0，mAP-small提高了2.0，高分辨率推理速度平均提高到3.0倍。在包含更多小对象的VisDrone数据集上，我们创建了一个新的最先进的模型，同时平均获得了2.3倍的高分辨率加速。代码可在https://github.com/ChenhongyiYang/QueryDet-PyTorch上获得。
2022-03-24 cs.CV
Residual-Guide Feature Fusion Network for Single Image Deraining
Xiamen University（厦门大学）
单图像雨条纹去除是非常重要的，因为雨天图像不利地影响许多计算机视觉系统。基于深度学习的方法在图像去重任务中取得了巨大成功。在本文中，我们提出了一种新的残差引导特征融合网络，称为ResGuideNet，用于单个图像的deraining，逐步预测高质量的重建。具体来说，我们提出了一个级联网络，并采用从浅块产生的残差来指导更深的块。通过使用这种策略，我们可以随着块的深入而获得由粗到细的负残差估计。不同块的输出被合并到最终重构中。我们采用递归卷积来构建每个块，并对所有中间结果进行监督，这使我们的模型能够在合成和真实数据上实现有希望的性能，同时使用比以前所需的更少的参数。ResGuideNet是可拆卸的，以满足不同的雨天条件。对于在测试时具有小雨条纹和有限计算资源的图像，即使使用几个构建块，我们也可以获得不错的性能。实验证明，ResGuideNet可以有益于其他低层次和高层次的视觉任务。
2018-04-20 cs.CV
3D Bounding Box Estimation for Autonomous Vehicles by Cascaded Geometric Constraints and Depurated 2D Detections Using 3D Results
三维目标检测是自主车辆三维视觉感知系统的重要任务之一。本文提出了一种新的两阶段三维目标检测方法，旨在通过深度卷积神经网络回归两个额外的三维目标属性，并结合2D和3D框之间的级联几何约束，在3D空间中获得目标定位的最佳解决方案。首先，我们修改现有的三维属性回归网络，增加两个额外的组件，视点分类和三维限界框的底面的中心投影。其次，我们使用预测的中心投影结合相似三角形约束，以获得一个初始的三维限界框的封闭形式的解决方案。然后，将前一步预测的位置作为超定方程的初始值，利用分类后的视点确定的构形，通过二维和三维盒拟合约束构造超定方程。最后，我们使用恢复的物理世界信息的3D检测，过滤掉错误的检测和错误报警的2D检测。我们将我们的方法与KITTI数据集上的最新技术进行了比较，结果表明，尽管概念上很简单，但我们的方法不仅通过提高3D检测的整体精度，而且还提高了方向估计精度，从而优于更复杂和计算成本更高的方法。此外，我们的方法可以在一定程度上处理截断的对象，并消除虚警和错误检测在二维和三维检测。
2019-09-01 cs.CV
Disentangle Saliency Detection into Cascaded Detail Modeling and Body Filling
University of Trento（特伦托大学）；ETH Zurich（苏黎世联邦理工学院）
显著目标检测已经被长期研究以识别图像/视频中最具视觉吸引力的对象。最近，越来越多的方法已经被提出，所有这些都依赖于轮廓/边缘信息，以提高检测性能。边缘标签要么直接放入损失中，要么用作额外的监督。边缘和身体也可以单独学习，然后融合。这两种方法要么导致边缘附近的高预测误差，要么不能以端到端的方式进行训练。另一个问题是，现有的方法可能无法检测各种大小的对象，由于缺乏高效和有效的特征融合机制。在这项工作中，我们建议分解的显着性检测任务分为两个级联的子任务，\emph{i.e.}，详细建模和身体填充。具体地说，细节建模的重点是捕捉对象的边缘，通过监督明确分解的细节标签，由嵌套在边缘和边缘附近的像素。然后，身体填充学习身体部分，将填充到细节图中，以生成更准确的显著图。为了有效地融合特征并处理不同尺度的对象，我们还提出了两种新的多尺度细节注意和身体注意块，用于精确的细节和身体建模。实验结果表明，我们的方法在六个公共数据集上实现了最先进的性能。
2022-02-08 cs.CV
Active Learning for Cascaded Object Detection: Balancing Coverage and Uncertainty in Table Extraction Pipelines
L3i, La Rochelle Université（拉罗谢尔大学L3i实验室）；Yooz（Yooz公司）
针对级联表格提取流水线中TSR标注成本高的问题，提出基于不确定性牧群（UHerding）的主动学习方法，通过RankFusion和CAPA两种流水线感知扩展，在多个数据集上优于基线方法。
2026-07-02 cs.AI cs.CV
Cascaded Zoom-in Detector for High Resolution Aerial Images
ÉTS Montreal（蒙特利尔高等工程技术学院）
在航空图像中检测物体是具有挑战性的，因为它们通常由拥挤的小物体组成，这些小物体不均匀地分布在高分辨率图像上。密度裁剪是一种广泛使用的方法，以改善这种小目标检测，其中拥挤的小对象区域被提取和处理在高分辨率。然而，这通常是通过添加其他可学习的组件来实现的，从而使标准检测过程中的训练和推理复杂化。在本文中，我们提出了一种高效的级联放大（CZ）检测器，它将检测器本身重新用于密度指导的训练和推理。在训练过程中，密度作物被定位，标记为新类，并用于增强训练数据集。在推理过程中，密度作物首先与基类对象一起被检测到，然后输入第二阶段的推理。这种方法很容易集成到任何检测器中，并且不会像航空图像检测中流行的均匀裁剪方法那样在标准检测过程中产生显著变化。在具有挑战性的VisDrone和DOTA数据集的航拍图像上的实验结果验证了所提出的方法的优点。拟议的CZ检测器还提供了VisDrone数据集上均匀裁剪和其他密度裁剪方法的最新结果，将小物体的检测mAP提高了3个点以上。
2023-03-15 cs.AI cs.CV
HiRes: A Hierarchical Cascaded Method for Resistor Value Identification
Electrical & Computer Engineering, Texas A&M University at Qatar（塔里赫大学卡塔尔分校电子与计算机工程系）；College of Science and Engineering, Hamad Bin Khalifa University（哈马德·本·卡伊夫大学科学与工程学院）
提出HiRes层次级联流水线，结合目标检测、语义分割和几何解码，实现端到端电阻值识别，在真实图像上达到85.8%准确率，优于传统方法和多模态大模型。
2026-06-29 cs.CV eess.IV
Cascaded Structure Tensor Framework for Robust Identification of Heavily Occluded Baggage Items from X-ray Scans
Khalifa University（哈利法大学）；Durham University（杜伦大学）；COSMONiO AI；The University of Western Australia（西澳大学）；Inception Institute of Artificial Intelligence（人工智能研究院）
在过去的二十年里，行李扫描已成为全球航空安全的主要问题之一。人工检查行李物品是繁琐的、容易出错的，并且损害隐私。因此，许多研究人员开发了基于X射线成像的自主系统来解决这些缺点。本文提出了一种级联结构张量框架，可以自动提取和识别严重遮挡和混乱的行李中的可疑物品。所提出的框架是独特的，因为它智能地提取每个对象，通过迭代地从不同的方向挑选基于轮廓的过渡信息，只使用一个前馈卷积神经网络的识别。使用来自公开可用的GDXray和SIXray数据集的总共1，067，381次X射线扫描对所提出的框架进行了严格的评估，其中GDXray和SIXray的平均精度得分分别为0.9343和0.9595，用于识别高度混乱和重叠的可疑物品。此外，与现有的基于公共对象检测器的解决方案相比，该框架在计算上实现了4.76%的运行时性能
2020-04-14 cs.CV
MI-DETR: An Object Detection Model with Multi-time Inquiries Mechanism
College of Computer Science, Chongqing University（重庆大学计算机学院）；Tsinghua University（清华大学）
针对现有类DETR模型级联解码器架构限制物体查询信息学习的问题，提出具有并行多次查询机制的新解码器架构MI-DETR，在COCO基准上超越现有模型并取得显著AP提升。
2025-03-03 cs.CV
Delving into Cascaded Instability: A Lipschitz Continuity View on Image Restoration and Object Detection Synergy
Sun Yat-sen University（中山大学）；Australian National University（澳大利亚国立大学）；Harbin Institute of Technology（哈尔滨工业大学）；Tsinghua University（清华大学）；Peng Cheng Laboratory（鹏城实验室）
通过Lipschitz连续性视角，提出LR-YOLO框架，将图像恢复与目标检测整合，提升检测稳定性与准确性。
2026-08-14 cs.CV
Towards Holistic Scene Understanding: Feedback Enabled Cascaded Classification Models
Cornell University（康奈尔大学）
场景理解包括许多相关的子任务，例如场景分类、深度估计、目标检测等。众所周知，这些子任务中的每一个都非常困难，并且已经存在用于其中许多子任务的最先进的分类器。这些分类器对相同的原始图像进行操作，并提供相关的输出。希望有一种算法可以捕获这种相关性，而不需要对任何分类器的内部工作进行任何改变。我们提出的反馈使能级联分类模型（FE-CCM），共同优化所有的子任务，而只需要一个“黑盒子”的接口，为每个子任务的原始分类。我们使用两层级联的分类器，它们是原始分类器的重复实例化，第一层的输出作为输入馈送到第二层。我们的训练方法涉及到一个反馈步骤，允许后来的分类器提供早期分类器的信息，其中错误模式focuson. We表明，我们的方法显着提高了性能，在所有的子任务领域的场景理解，在那里我们考虑深度估计，场景分类，事件分类，目标检测，几何标记和显着性检测。我们的方法还提高了两个机器人应用程序的性能：一个对象抓取机器人和一个对象发现机器人。
2011-10-24 cs.AI cs.CV cs.RO
Online Monitoring of Object Detection Performance During Deployment
Queensland University of Technology (QUT)（昆士兰科技大学）；Australian Centre for Robotic Vision（澳大利亚机器人视觉中心）；QUT Centre for Robotics（昆士兰科技大学机器人中心）
在部署过程中，对象检测器预计将在其测试数据集上报告的类似性能水平下运行。然而，当部署在变化和复杂的环境条件下运行的车载移动机器人时，探测器的性能可能会波动，偶尔会在没有警告的情况下严重下降。未被检测到，这可能导致机器人基于低质量和不可靠的目标检测采取不安全和危险的行动。我们解决这个问题，并介绍了一个级联的神经网络，监测对象检测器的性能，通过预测其平均精度（mAP）的输入帧的滑动窗口上的质量。所提出的级联网络利用来自对象检测器的深度神经网络的内部特征。我们使用自动驾驶数据集和对象检测器的不同组合来评估我们提出的方法。
2021-03-09 cs.CV
Glioma Segmentation with Cascaded Unet
Lobachevsky State University（罗巴切夫斯基国立大学）；Intel（英特尔）
MRI分析在脑肿瘤的诊断和治疗中占有中心地位，因此其准确的评价至关重要。然而，它的3D性质带来了一些挑战，因此通常在2D投影上执行分析，这降低了复杂性，但增加了偏差。另一方面，耗时的3D评估，如分割，能够提供许多有价值的空间特征的精确估计，使我们了解疾病的过程。\newline最近的研究，重点是分割任务，报告了与经典计算机视觉算法相比，深度学习方法的卓越性能。但这仍然是一个具有挑战性的问题。在本文中，我们提出了深级联的方法自动脑肿瘤分割。与最近的目标检测方法类似，我们的实现基于神经网络;我们对3D UNet架构和增强策略进行了修改，以有效地处理多模态MRI输入，此外，我们还引入了一种方法来增强分割质量，该方法从相同拓扑结构的模型中获得，并对缩小的数据进行操作。我们在BraTS 2018数据集上评估了所提出的方法并讨论了结果。
2018-10-09 cs.CV
CROSS: Cascaded Distillation and Dual-Constraint Grounding for Remote Sensing Referring Segmentation
针对遥感指称分割中架构弱耦合与语义偏差问题，本文提出CROSS范式，通过LGCD与PSCL实现性能突破，成为RRSIS的稳健新方案。
2026-08-06 cs.CV
SD-PSFNet: Sequential and Dynamic Point Spread Function Network for Image Deraining
SD-PSFNet通过动态物理建模和顺序特征融合，实现了复杂场景下的高效图像去雨，取得最佳PSNR/SSIM指标。
2025-11-22 cs.CV
CSRNet: Cascaded Selective Resolution Network for Real-time Semantic Segmentation
City University of Hong Kong（香港城市大学）
实时语义分割在自动驾驶汽车、机器人等实际应用中的需求日益增长，因此受到了广泛关注。现有的实时的【形】分割方法通常利用特征融合来提高分割精度。然而，它们未能充分考虑不同分辨率下的特征信息，并且网络的感受野相对有限，从而影响性能。为了解决这个问题，我们提出了一个轻级联选择性分辨率网络（CSRNet），以提高性能的实时的【形】分割，通过多个上下文信息嵌入和增强的特征聚合。该网络构建了一个三阶段分割系统，从低分辨率到高分辨率集成特征信息，并逐步实现特征细化。CSRNet包含两个关键模块：短金字塔融合模块（SPFM）和选择性分辨率模块（SRM）。SPFM是一个计算效率很高的模块，可以在每个阶段合并全局上下文信息并显着扩大感受野。SRM被设计为融合多分辨率特征图与各种感受野，其在特征图上分配软通道注意力，并有助于补救由多尺度对象引起的问题。在两个知名数据集上的综合实验表明，所提出的CSRNet有效地提高了实时的【形】分割性能。
2022-04-19 cs.CV
Cascaded Multi-Scale Attention for Enhanced Multi-Scale Feature Extraction and Interaction with Low-Resolution Images
Graduate School of Information Sciences, Tohoku University（东京大学信息科学研究生院）
针对低分辨率图像多尺度特征提取难题，提出级联多尺度注意力机制CMSA，用于CNN-ViT混合架构。通过独特组合与融合实现跨尺度特征处理，实验表明该方法以更少参数在相关任务中优于现有方法，有广泛应用潜力。
2026-08-19 cs.CV
UniRain: Unified Image Deraining with RAG-based Dataset Distillation and Multi-objective Reweighted Optimization
Dalian Polytechnic University（大连理工大学）；Nanjing University of Science and Technology（南京理工大学）
UniRain通过基于RAG的数据蒸馏和多目标重加权优化，实现统一图像去雨，有效应对不同雨损场景。
2026-03-04 cs.CV
Cascade-CLIP: Cascaded Vision-Language Embeddings Alignment for Zero-Shot Semantic Segmentation
School of Computer Science, Nankai University（南开大学计算机学院）；Nankai International Advanced Research Institute (Shenzhen Futian)（南开大学国际高等研究院（深圳福田））
针对现有CLIP零样本分割忽略中间层细节且直接聚合多层特征会削弱零样本能力的问题，提出级联独立解码器对齐多层视觉与文本嵌入的Cascade-CLIP框架，在多个分割基准上取得优越性能。
2024-06-06 cs.CV
Deep Deformation Network for Object Landmark Localization
NEC Laboratories America（NEC美国实验室）
我们提出了一种新的级联框架，即深度变形网络（DDN），用于定位非刚性物体中的地标。DDN的特点是它在卷积神经网络（CNN）框架内结合了几何约束，训练的简便性和效率，以及应用的通用性。一种新的形状基础网络（SBN）形成级联的第一级，从而通过结合CNN特征和学习的形状基础的优点来初始化地标，以降低高度非线性姿态流形的复杂性。在第二阶段，点Transformer网络（PTN）估计局部变形参数化为薄板样条变换的更精细的细化。我们的框架既不包含手工制作的功能，也不包含部件连接，这使得在训练和测试期间都可以实现端到端的形状预测管道。与之前的级联网络的地标定位，学习从特征空间到地标位置的映射，我们证明了通过几何先验在DDN诱导的正则化，使它更容易训练，但产生优越的结果。该架构的有效性和通用性是通过对多个任务（如面部标志定位，人体姿态估计和鸟类部分定位）的几个基准测试的最新性能来证明的。
2016-07-24 cs.CV
Instance-aware Semantic Segmentation via Multi-task Network Cascades
Microsoft Research（微软研究院）
语义分割的研究近年来取得了很大的进展，但许多主流方法都无法识别对象实例。在本文中，我们提出了多任务网络级联的实例感知语义分割。我们的模型由三个网络组成，分别区分实例，估计掩码和分类对象。这些网络形成级联结构，并被设计为共享其卷积特征。我们开发了一种算法，用于这种因果级联结构的非平凡端到端训练。我们的解决方案是一个干净的单步训练框架，可以推广到具有更多阶段的级联。我们展示了PASCAL VOC上最先进的实例感知语义分割准确性。与此同时，我们的方法使用VGG-16测试图像仅需360 ms，这比以前的系统快两个数量级。作为副产品，我们的方法还实现了令人信服的目标检测结果，超过了竞争对手的Fast/Faster R-CNN系统。本文中描述的方法是我们提交MS COCO 2015细分竞争的基础，我们在那里赢得了第一名。
2015-12-14 cs.CV
Detecting Wildfire Flame and Smoke through Edge Computing using Transfer Learning Enhanced Deep Learning Models
Univeristy of Nevada, Las Vegas（内华达大学拉斯维加斯分校）
本研究针对野火检测场景，探究迁移学习对YOLO系列模型的性能提升作用及边缘计算指标影响，验证了迁移学习可提升检测精度，同时发现无硬件加速时YOLOv5n推理速度优于YOLO11n。
2025-01-15 cs.CV eess.IV
Dense Attention Fluid Network for Salient Object Detection in Optical Remote Sensing Images
City University of Hong Kong（香港城市大学）；Beijing Jiaotong University（北京交通大学）
尽管在自然场景图像视觉显著性分析方面取得了显著进展，但光学遥感图像显著性目标检测仍然是一个开放且具有挑战性的问题。在本文中，我们提出了一个端到端的密集注意力流体网络（DAFNet）的超氧化物歧化酶在光学RSIs。提出了一种全局上下文感知注意力（Global Context-aware Attention，GCA）模块来自适应地捕获长距离语义上下文关系，并进一步嵌入到一种稠密注意力流（Dense Attention Fluid，DSE）结构中，使浅层注意力线索流入深层，以指导高级特征注意力图的生成。具体而言，GCA模块由两个关键组件组成，其中全局特征聚合模块实现来自任何两个空间位置的显著特征嵌入的相互加强，级联金字塔注意力模块通过建立级联金字塔框架来解决尺度变化问题，从而以粗到细的方式逐步细化注意力图。此外，我们为SOD构建了一个新的具有挑战性的光学RSI数据集，其中包含2，000张具有像素显著性注释的图像，这是目前最大的公开基准。大量的实验表明，我们提出的DAFNet显着优于现有的最先进的SOD竞争对手。https://github.com/rmcong/DAFNet_TIP20
2020-11-26 cs.CV
Label-PEnet: Sequential Label Propagation and Enhancement Networks for Weakly Supervised Instance Segmentation
Malong Technologies（码隆科技）；Shenzhen Malong Artificial Intelligence Research Center（深圳码隆人工智能研究中心）；The University of Hong Kong（香港大学）
弱监督实例分割的目标是在只给出图像级标签的情况下精确地检测和分割对象实例。与以前由多个离线阶段组成的方法不同，我们提出了顺序标签传播和增强网络（称为Label-PEnet），它以从粗到细的方式逐步将图像级标签转换为像素级标签。本文设计了多标签分类、目标检测、实例精化和实例分割四个级联模块，通过共享同一主干依次实现。级联的流水线交替地用课程学习策略来训练，该策略以增加的精度逐渐将标签从高级图像概括到低级像素。此外，我们还设计了一个建议校准模块，以探索分类网络找到识别对象部分的关键像素的能力，这是一个以相反顺序运行的后验证策略。我们评估了Label-PEnet在标准基准上挖掘实例掩码的效率：PASCAL VOC 2007和2012。实验结果表明，Label-PEnet的性能明显优于最先进的算法，即使与完全监督的方法也能获得相当的性能。
2020-04-24 cs.CV
A Hybrid Transformer-Mamba Network for Single Image Deraining
Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）；University of Chinese Academy of Sciences（中国科学院大学）；School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区网络空间科学与技术学院）；Yunnan Normal University（云南师范大学）
本文提出双分支混合网络TransMamba，结合谱带Transformer与Mamba双向状态空间模型捕获长程依赖，并通过谱相干损失提升单图像去雨性能。
2024-08-31 cs.CV
Cascaded Region-based Densely Connected Network for Event Detection: A Seismic Application
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；University of Rochester（罗切斯特大学）；Penn State University（宾夕法尼亚州立大学）
从时间序列信号中自动检测事件有着广泛的应用，如视频监控中的异常事件检测和地球物理数据中的事件检测。传统的事件检测方法主要是利用数据的相似性和相关性来检测事件。这些方法可能效率低下，准确度低。近年来，由于计算能力的显著增加，机器学习技术已经彻底改变了许多科学和工程领域。在这项研究中，我们将基于深度学习的方法应用于从时间序列地震信号中检测事件。然而，从2D目标检测到我们的问题的类似想法的直接适应面临两个挑战。第一个挑战是地震事件的持续时间变化很大;另一个挑战是所生成的建议在时间上是相关的。为了解决这些挑战，我们提出了一种新的级联区域为基础的卷积神经网络，以捕捉不同大小的地震事件，同时结合上下文信息，以丰富每个单独的建议功能。为了实现更好的泛化性能，我们使用密集连接的块作为网络的骨干。由于事实上，一些积极的事件没有被正确地注释，我们进一步制定了检测问题作为一个从噪声中学习的问题。为了验证我们的检测方法的性能，我们采用我们的方法，地震数据产生的双轴“地震机”位于岩石力学实验室，我们获得的标签与专家的帮助下。通过我们的数值测试，我们表明，我们的新的检测技术产生高精度。因此，我们基于深度学习的新型检测方法可能成为在各种应用中从时间序列数据中定位事件的强大工具。
2017-11-29 cs.CV cs.LG
In-Vehicle Object Detection in the Wild for Driverless Vehicles
Northumbria University（诺森比亚大学）；Lancaster University（兰卡斯特大学）
车内人体目标识别在基于视觉的自动驾驶系统中起着重要作用，而道路或街道上的行人和车辆等物体是无人驾驶车辆的主要保护目标。一个挑战是难以检测在野外条件下移动的物体，而照明和图像质量可能会发生巨大变化。在这项工作中，为了应对这一挑战，我们利用具有Single Shot检测器（SSD）的深度卷积生成对抗网络（DCGAN）来处理野生条件。在我们的工作中，GAN使用低质量图像进行训练，以应对智能城市中野外条件带来的挑战，而级联SSD用作对象检测器，以与GAN一起执行。我们在白天和夜晚的伦敦街道上使用出租车司机视频在野外条件下测试了我们的方法，并且车载视频的测试表明，这种策略可以在野外条件下大幅提高检测率。
2020-04-27 cs.CV cs.LG eess.IV
Unpaired Image Deraining Using Reward-Guided Self-Reinforcement Strategy
National University of Defense Technology（国防科技大学）；National University of Singapore（新加坡国立大学）；Nanjing University of Science and Technology（南京理工大学）；Hefei University of Technology（合肥工业大学）；University of Trento（特伦斯大学）
本文提出RGSUD方法，通过奖励循环和自强化训练提升无监督去雨性能，通过IQA动态奖励机制优化去雨结果，实验表明在多种数据集上均优于现有方法。
2026-05-01 cs.CV
Learning Synergistic Attention for Light Field Salient Object Detection
我们提出了一种新的协同注意力网络（SA-Net），以解决光场显着目标检测之间建立一个协同效应的多模态功能与先进的注意力机制。我们的SA-Net通过3D卷积神经网络利用焦点堆栈的丰富信息，使用两个级联的协同注意力模块解码多模态光场数据的高级特征，并使用有效的特征融合模块以渐进的方式预测显着性图。在三个广泛使用的基准数据集上进行的大量实验表明，我们的SA-Net优于28个最先进的模型，充分证明了其有效性和优越性。我们的代码可在https://github.com/PanoAsh/SA-Net上获得。
2021-10-22 cs.CV
TaskGuard: Task-Conditioned Restoration Utility for Risk-Aware Object Detection
Sam Houston State University（萨姆休斯顿州立大学）
TaskGuard通过预测恢复干预的任务效用，在未见退化上减少54.2%损失性干预并保留98.8%AP，证明恢复效用是任务条件化属性。
2026-09-09 cs.CV
Mitigating the Impact of Prominent Position Shift in Drone-based RGBT Object Detection
针对无人机RGBT目标检测中微小目标在不同模态间位置偏移导致监督信号缺失、特征不匹配的问题，提出基于Mean Teacher的CBC模块和SWCA模块，有效提升检测性能，在相关数据集上取得优异结果。
2025-02-13 cs.CV
CRAFT Objects from Images
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；Tsinghua University（清华大学）
目标检测是图像理解中的一个基本问题。一个流行的解决方案是R-CNN框架及其快速版本。他们将目标检测问题分解为两个级联的更简单的任务：1）从图像中生成目标建议，2）将建议分类为各种目标类别。尽管我们正在处理两个相对容易的任务，但它们并没有完美地解决，仍然有改进的空间。在本文中，我们通过将每个任务划分为两个子任务，进一步推动了“分而治之”的解决方案。我们称所提出的方法为“CRAFT”（级联区域建议网络和FasT-rcnn），它处理每个任务与精心设计的网络级联。我们表明，级联结构有助于这两项任务：在建议生成，它提供了更紧凑，更好地本地化的对象建议;在对象分类，它通过捕获类别间和类别内的差异，减少误报（主要是在模糊的类别之间）。CRAFT在目标检测基准测试（如PASCAL VOC 07/12和ILSVRC）上取得了一致且显著的改进。
2016-04-12 cs.CV
Seeing Through the Rain: Resolving High-Frequency Conflicts in Deraining and Super-Resolution via Diffusion Guidance
本文提出DHGM模型，通过整合预训练扩散先验和高通滤波器，解决去雨和超分辨率中的高频冲突，实现高质量图像生成。
2025-12-11 cs.CV
Multi-stage Object Detection with Group Recursive Learning
Beijing Institute of Technology University（北京理工大学）；Sun Yat-Sen University（中山大学）；National University of Singapore（新加坡国立大学）
大多数现有的检测流水线独立地处理对象建议，并分别预测限界框位置和分类分数。然而，建议之间的重要语义和空间布局相关性往往被忽视，这实际上是有用的更准确的目标检测。在这项工作中，我们提出了一种新的EM类组递归学习方法，通过将周围的建议，并提供一个最佳的空间配置的目标检测的上下文迭代细化对象的建议。此外，我们建议将弱监督对象分割线索和基于区域的目标检测纳入一个多阶段的架构，以充分利用学习的分割功能，以更好的目标检测在一个端到端的方式。该架构由三个级联网络组成，分别学习执行弱监督对象分割，对象建议生成和递归检测细化。将组递归学习和多阶段架构相结合，在PASCAL VOC 2007和VOC 2012数据集上分别提供了78.6%和74.9%的竞争性mAP，显著优于许多成熟的基线[10] [20]。
2016-08-18 cs.CV
Teaching AI the Anatomy Behind the Scan: Addressing Anatomical Flaws in Medical Image Segmentation with Learnable Prior
National University of Singapore（新加坡国立大学）；Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局）
提出解剖学信息级联分割网络（AIC-Net），通过引入可学习的“解剖学先验”并结合可微空间变形与局部级联结构，增强现有分割模型的解剖学感知能力，在腹部器官和椎骨多器官分割任务中有效提升了dice分数和Hausdorff距离。
2024-08-26 cs.CV cs.LG eess.IV
Learning Chained Deep Features and Classifiers for Cascade in Object Detection
The Chinese University of Hong Kong（香港中文大学）
Cascade是一种广泛使用的方法，它在早期阶段拒绝明显的负样本，以学习更好的分类器和更快的推理。本文提出了链式级联网络（CC-Net）。在该CC-Net中，在一个阶段的级联分类器由先前阶段的分类分数辅助。进一步提出了特征链，使得当前级联阶段的特征学习使用先前阶段的特征作为先验信息。多个阶段的链式ConvNet特征和分类器在端到端网络中联合学习。通过这种方式，在后一阶段的特征和分类器在前一阶段的特征和分类器的帮助下处理更困难的样本。它在PASCAL VOC 2007和ImageNet等基准测试中的检测性能得到了一致的提升。结合更好的区域建议，CC-Net导致PASCAL VOC 2007上81.1%的mAP的最新结果。
2017-02-23 cs.CV
A Real-Time System for Egocentric Hand-Object Interaction Detection in Industrial Domains
Department of Mathematics and Computer Science, University of Catania（数学与计算机科学系，卡塔尼亚大学）
本文提出了一种实时系统，通过动作识别和物体检测模块检测工业领域中的手-物体交互，实现了高效准确的实时检测。
2025-12-04 cs.CV
Context-aware Cross-level Fusion Network for Camouflaged Object Detection
Inner Mongolia University（内蒙古大学）；Nanjing University of Science and Technology（南京理工大学）；Institut National des Sciences Appliquées de Rennes（雷恩国立应用科学学院）；IIAI
由于目标与其周围环境之间的低边界对比度，因此，摄像机老化的目标检测（COD）是一项具有挑战性的任务。此外，被包裹物体的外观变化很大，例如，对象的大小和形状，加重准确COD的困难。在本文中，我们提出了一种新的上下文感知跨级融合网络（C2F-Net），以解决具有挑战性的COD任务。具体来说，我们提出了一个注意力诱导的跨层次融合模块（ACFM）集成的多层次功能与信息的注意力系数。融合的功能，然后馈送到建议的双分支全局上下文模块（DGCM），产生多尺度的特征表示，利用丰富的全局上下文信息。在C2F-Net中，这两个模块使用级联方式在高级特征上进行。在三个广泛使用的基准数据集上进行的大量实验表明，我们的C2F-Net是一个有效的COD模型，并且显著优于最先进的模型。我们的代码可在https://github.com/thograce/C2FNet上公开获取。
2021-05-26 cs.CV
HarDNet-MSEG: A Simple Encoder-Decoder Polyp Segmentation Neural Network that Achieves over 0.9 Mean Dice and 86 FPS
National Tsing Hua University（国立清华大学）
我们提出了一种新的卷积神经网络称为HardNet-MSEG息肉分割。它在五个流行的数据集上实现了SOTA的准确性和推理速度。对于Kvasir-SEG，HardNet-MSEG在GeForce RTX 2080 Ti GPU上以86.7 FPS运行时提供0.904平均Dice。它由一个主干和一个解码器组成。骨干是一个低内存流量的CNN称为HardNet 68，它已成功地应用于各种CV任务，包括图像分类，对象检测，多对象跟踪和语义分割等解码器部分的灵感来自级联部分解码器，已知的快速和准确的显着目标检测。我们使用这五个流行的数据集评估了HardNet-MSEG。代码和所有实验细节都可以在Github上找到。https://github.com/james128333/HarDNet-MSEG
2021-01-20 cs.CV
Oriented Object Detection with Transformer
University at Buffalo（布法罗大学）；Beihang University（北京航空航天大学）；Baidu Inc（百度公司）
使用Transformers（DETR）的目标检测已经实现了与传统检测器（如Faster R-CNN）相比具有竞争力的性能。然而，DETR的潜力仍然在很大程度上未开发的更具挑战性的任务，面向任意目标检测问题。本文首次尝试并实现了基于端到端网络的面向目标检测检测与转换Transformer（$\bf O^2DETR$）。$\rm O^2DETR$的贡献包括：1）通过应用Transformer直接有效地定位目标，而无需像传统检测器那样繁琐的旋转锚点过程，为面向目标检测提供了新的见解; 2）设计了一种简单而高效的Transformer编码器，将注意力机制替换为可分离卷积，这可以显着降低在原始Transformer中使用多尺度特征的内存和计算成本; 3）我们的$\rm O^2DETR$可以成为定向目标检测领域的另一个新基准，它比Faster R-CNN和RetinaNet实现了高达3.85 mAP的改进。我们简单地微调安装在级联架构中的$\rm O^2DETR$上的磁头，并在DOTA数据集中实现与SOTA相比具有竞争力的性能。
2021-06-06 cs.CV
MODA: The First Challenging Benchmark for Multispectral Object Detection in Aerial Images
MODA是首个多光谱航空图像目标检测挑战性基准，提出OSSDet框架整合光谱与空间信息，通过级联结构和对象感知机制提升检测性能。
2025-12-10 cs.CV
