Detecting Extratropical Cyclones of the Northern Hemisphere with Single Shot Detector
Nanjing University of Information & Science Technology（南京信息工程大学）；University of California San Diego（加州大学圣迭戈分校）
在本文中，我们提出了一个基于深度学习的模型来检测北半球的热带气旋（ETC），同时开发了一种新的处理图像和生成ETC标签的工作流程。我们首先采用Bonfanti等人[1]的方法对气旋中心进行标记，并建立了三个类别的标记ETCs的标准：发展阶段，成熟阶段和衰退阶段。然后，我们提出了一个框架的标签和预处理图像在我们的数据集中。一旦图像和标签准备好作为输入，我们就创建名为Single Shot Detector（SSD）的目标检测模型，以适应数据集的格式。我们在两种设置（二进制和多类分类）上使用标记的数据集训练和评估我们的模型，同时记录结果。最后，我们取得了较高的性能检测成熟阶段的ETCs（平均平均精度为86.64%），和一个可以接受的结果检测所有三个类别的ETCs（平均平均精度为79.34%）。我们的结论是，单次检测器模型可以成功地检测不同阶段的ETC，它在未来的ETC检测在其他相关设置的应用中表现出巨大的潜力。
2021-12-01 cs.CV cs.LG physics.ao-ph
Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector
HKUST（香港科技大学）；Tencent（腾讯）
用于目标检测的常规方法通常需要大量的训练数据，并且准备这样的高质量训练数据是非常劳动密集的。在本文中，我们提出了一种新的Few-Shot目标检测网络，旨在检测对象的不可见的类别只有几个注释的例子。我们的方法的核心是我们的注意力RPN，多关系检测器和对比训练策略，利用Few Shot支持集和查询集之间的相似性来检测新的对象，同时抑制背景中的错误检测。为了训练我们的网络，我们贡献了一个新的数据集，其中包含1000个具有高质量注释的各种对象的类别。据我们所知，这是第一批专门为Few-Shot目标检测设计的数据集之一。一旦我们的Few-Shot网络经过训练，它就可以检测出不可见类别的对象，而无需进一步训练或微调。我们的方法是通用的，并具有广泛的潜在应用。我们在Few-Shot设置中的不同数据集上产生了新的最先进的性能。数据集链接是https://github.com/fanq15/Few-Shot-Object-Detection-Dataset。
2020-05-10 cs.CV
Small-Object Detection in Remote Sensing Images with End-to-End Edge-Enhanced GAN and Object Detector Network
University of Alberta（阿尔伯塔大学）；Ludwig-Maximilians-Universität München（慕尼黑路德维希-马克西米利安大学（慕尼黑大学））；Alberta Geological Survey（阿尔伯塔地质调查局）；Alberta Energy Regulator（阿尔伯塔能源监管局）
遥感图像中小目标的检测性能相对于大目标而言并不令人满意，尤其是在低分辨率和噪声背景下。基于生成对抗网络（GAN）的增强型超分辨率GAN（ESR GAN）模型具有显著的图像增强性能，但重建图像会丢失高频边缘信息。因此，目标检测性能下降恢复噪声和低分辨率遥感图像上的小对象。受边缘增强GAN（EEGAN）和ESR GAN成功的启发，我们应用一种新的边缘增强超分辨率GAN（EESRGAN）来提高遥感图像的图像质量，并以端到端的方式使用不同的检测器网络，其中检测器丢失被反向传播到EESRGAN中以提高检测性能。我们提出了一个架构，有三个组成部分：ESRGAN，边缘增强网络（EEN）和检测网络。我们对ESRGAN和EEN都使用了残差密集块（RRDB），对于检测器网络，我们使用了更快的基于区域的卷积网络（FRCNN）（两阶段检测器）和单次多盒检测器（SSD）（一阶段检测器）。在公共（汽车开销与上下文）和自组装（石油和天然气储罐）卫星数据集上进行的广泛实验表明，与独立的最先进的对象检测器相比，我们的方法具有优越的性能。
2020-04-28 cs.CV cs.LG
Extend the shallow part of Single Shot MultiBox Detector via Convolutional Neural Network
Peking University（北京大学）
Single Shot MultiBox Detector（SSD）是当前目标检测领域中速度最快的算法之一，它利用完全的卷积神经网络来检测图像中所有缩放的目标。反卷积Single Shot检测器（DSSD）是一种通过在SSD中加入反卷积模块来引入更多上下文信息的方法。DSSD在PASCAL VOC 2007上的平均精度（mAP）由SSD的77.5%提高到78.6%。虽然DSSD获得的mAP比SSD高1.1%，但每秒帧数（FPS）从46降至11.8。在本文中，我们提出了一个单阶段的端到端的图像检测模型，称为ESSD，以克服这一困境。我们对这个问题的解决方案是巧妙地扩展更好的上下文信息的最佳单级（例如SSD）检测器的浅层。实验结果表明，我们的模型可以达到79.4%的mAP，这是高于DSSD和SSD分别为0.8和1.9点。同时，我们的测试速度是25 FPS在泰坦X GPU这是两倍以上的原始DSSD。
2018-01-18 cs.CV
Improved Hard Example Mining Approach for Single Shot Object Detectors
ASELSAN Inc.（ASELSAN公司）
硬示例挖掘方法通常提高对象检测器的性能，对象检测器受到不平衡训练集的影响。在这项工作中，两个现有的硬例子挖掘方法（LRM和焦点损失，FL）进行了调整，并结合在一个国家的最先进的实时对象检测器，YOLOv 5。所提出的方法的有效性，以提高性能的硬例子进行了广泛的评估。与使用原始损失函数相比，所提出的方法将mAP提高了3%，与单独使用2021年反无人机挑战数据集的硬采矿方法（LRM或FL）相比，提高了约1-2%。
2022-07-12 cs.CV
Exploring the Vulnerability of Single Shot Module in Object Detectors via Imperceptible Background Patches
University at Albany, State University of New York（纽约州立大学奥尔巴尼分校）；GE Global Research Center（通用电气全球研究中心）
最近的工作成功地在整个图像或感兴趣的对象上生成对抗性扰动，以破坏基于CNN的对象检测器。在本文中，我们专注于探索最近的对象检测器中常用的Single Shot模块（SSM）的脆弱性，通过在对象外部的背景中添加小的扰动补丁。SSM是指在两级对象检测器或单级对象检测器本身中使用的区域提议网络。SSM通常是一个完全的卷积神经网络，它在单次前向传递中生成输出。由于SSM中使用了过多的卷积，实际的感受野比物体本身大。因此，我们提出了一种新的方法来腐败的对象检测器，仅在背景中产生不可察觉的补丁。我们的方法可以找到一些背景补丁的扰动，这可以有效地减少真阳性和显着增加误报。在MS COCO 2014数据集上的5个两级对象检测器和8个单级对象检测器上证明了有效性。结果表明，在目标区域的限界框之外的小失真扰动仍然会严重损害检测性能。
2019-07-02 cs.CV
Few-Shot Batch Incremental Road Object Detection via Detector Fusion
PES University（PES大学）；Intel Corporation（英特尔公司）
增量少样本学习已经成为深度学习中一个新的具有挑战性的领域，其目标是使用很少的新类数据样本来训练深度学习模型，而不使用旧类数据。在这项工作中，我们解决了批量增量Few-Shot道路目标检测使用的数据从印度驾驶数据集（IDD）的问题。我们的方法DualFusion以一种允许我们学习用非常有限的数据检测稀有对象的方式结合了对象检测器，所有这些都不会严重降低检测器在丰富类上的性能。在IDD OpenSet增量Few-Shot检测任务中，我们在基类上实现了40.0的mAP50得分，总体mAP50得分为38.8，这两个得分都是迄今为止最高的。在COCO批量增量Few-Shot检测任务中，我们实现了9.9的新颖AP得分，超过了最先进的新颖类性能超过6.6倍。
2021-08-18 cs.AI cs.CV
Visual Modality Prompt for Adapting Vision-Language Object Detectors
ETS Montreal（蒙特利尔理工学院）；International Laboratory on Learning Systems (ILLS)（国际学习系统实验室）
本文提出ModPrompt视觉提示策略，通过编码器-解码器与模态提示解耦残差，将YOLO-World和Grounding DINO适配到红外、深度模态，并在保留零样本能力的同时达到接近全量微调的效果。
2025-03-14 cs.AI cs.CV cs.LG
CvT-ASSD: Convolutional vision-Transformer Based Attentive Single Shot MultiBox Detector
University Shanghai（上海大学）
由于Transformers的双向编码器表示（BERT）在自然语言处理（NLP）中的成功，多头注意力Transformer在计算机视觉研究（CV）中得到了越来越广泛的应用。然而，它仍然是一个挑战，研究人员提出了复杂的任务，如视觉检测和语义分割。虽然已经提出了多种基于Transformer-Based的结构来完成目标检测任务，如DETR和ViT-FRCNN，但由于传统的自注意操作所带来的巨大的学习参数和沉重的计算复杂性，它们不可避免地降低了识别精度并降低了计算效率。为了缓解这些问题，我们提出了一种新的目标检测架构，命名为基于卷积视觉Transformer的注意Single Shot MultiBox检测器（CvT-ASSD），该架构构建在卷积视觉变换器（CvT）之上，具有高效的注意Single Shot MultiBox检测器（ASSD）。我们提供了全面的经验证据，表明我们的模型CvT-ASSD可以在PASCAL VOC和MS COCO等大规模检测数据集上进行预训练，从而获得良好的系统效率和性能。代码已在公共github存储库https://github.com/albert-jin/CvT-ASSD上发布。
2021-10-24 cs.AI cs.CV cs.LG
ASSD: Attentive Single Shot Multibox Detector
Rutgers University（罗格斯大学）
本文提出了一种新的用于目标检测的深度神经网络。建议的网络，称为ASSD，建立在空间空间的特征映射的特征关系。利用全局关系信息，ASSD学习突出特征图上的有用区域，同时抑制无关信息，从而为目标检测提供可靠的指导。与依赖复杂的CNN层来细化特征图的方法相比，ASSD设计简单，计算效率高。实验结果表明，ASSD的竞争有利的国家的最先进的，包括SSD，DSSD，FSSD和RetinaNet。
2019-09-27 cs.CV
Single Shot Video Object Detector
University of Science and Technology of China（中国科学技术大学）；JD AI Research（京东人工智能研究院）
可能比两阶段检测器更快和更简单的Single Shot检测器往往更适用于视频中的目标检测。然而，这种对象检测器从图像到视频的扩展不是微不足道的，特别是当视频中存在外观劣化、\emph{e.g.}、运动模糊或遮挡时。一个有效的问题是如何探索跨帧的时间相干性以提高检测。在本文中，我们建议通过聚合相邻帧来增强每帧特征来解决这个问题。具体来说，我们提出了Single Shot Video Object Detector（SSVD）-一种新的架构，新颖地将特征聚合集成到一个用于视频中目标检测的一级检测器中。在技术上，SSVD以特征金字塔网络（FPN）为骨干网络，产生多尺度特征。与现有的特征聚合方法不同，SSVD一方面估计运动并沿着运动路径聚合附近的特征，另一方面通过直接从双流结构中的相邻帧中采样特征来实现特征的超分辨率。在ImageNet VID数据集上进行了广泛的实验，并报告了与最先进方法相比的竞争结果。更值得注意的是，对于$448 \times 448$输入，SSVD在ImageNet VID上实现了79.2%的mAP，在Nvidia Titan X Pascal GPU上以85 ms的时间处理一帧。该代码可在\url{https://github.com/ddjiajun/SSVD}获得。
2020-07-07 cs.CV
Detecting Small Objects in Thermal Images Using Single-Shot Detector
Nanchang University（南昌大学）
SSD（Single Shot Multibox Detector）是目前最成功的目标检测器之一，具有精度高、速度快等优点。然而，SSD的浅层（主要是Conv4_3）的特征缺乏语义信息，导致小对象的性能较差。在本文中，我们提出了DDSSD（膨胀和反卷积Single Shot多盒检测器），一个增强的SSD与一个新的特征融合模块，可以提高性能比SSD小目标检测。在特征融合模块中，采用膨胀卷积模块扩大浅层特征的感受野，采用反卷积模块增大高层特征图的尺寸。我们的网络在PASCAL VOC 2007测试中实现了79.7%的mAP，在MS COCO测试开发中实现了28.3%的mmAP，41 FPS，使用单个Nvidia 1080 GPU仅需300x300输入。特别是对于小目标，DDSSD在MS COCO上达到10.5%，在FLIR热数据集上达到22.8%，在准确性和速度方面优于许多最先进的目标检测算法。
2021-08-25 cs.CV eess.IV
Generalized Few-Shot Object Detection without Forgetting
Megvii Technology（旷视科技）
近年来，Few-Shot目标检测被广泛用于处理数据有限的情况。虽然大多数以前的作品只专注于性能上的Few-Shot类别，我们声称，检测所有类是至关重要的测试样本可能包含任何实例在现实中的应用，这需要Few-Shot检测器学习新的概念，而不会忘记。通过对基于迁移学习的方法的分析，利用一些被忽视但有益的性质，设计了一种简单而有效的Few-Shot检测器--保留R-CNN。它由Bias-Balanced RPN和Re-detector组成，Bias-Balanced RPN用于消除预训练RPN的偏差，Re-detector用于在不忘记先前知识的情况下找到Few-Shot类对象。在Few-Shot检测基准上进行的大量实验表明，在所有设置中，Retentive R-CNN在整体性能上明显优于最先进的方法，因为它可以在Few-Shot类上实现有竞争力的结果，并且根本不会降低基类的性能。我们的方法已经证明，长期期望的永不遗忘的学习器是可用的目标检测。
2021-05-20 cs.CV
Weaving Multi-scale Context for Single Shot Detector
National University of Singapore（新加坡国立大学）；Qihoo 360 AI Institute（奇虎360人工智能研究院）
聚合多尺度的上下文信息已被证明是有效的，以提高Single Shot Detector（SSD）的目标检测的准确性。然而，现有的多尺度上下文融合技术是计算昂贵的，这不利地减少了SSD的有利速度。在这项工作中，我们提出了一种新的网络拓扑结构，称为WeaveNet，它可以有效地融合多尺度信息，并以微不足道的额外成本提高检测精度。所提出的WeaveNet迭代地将相邻尺度的上下文信息编织在一起，以实现更复杂的上下文推理，同时保持快速。WeaveNet通过堆叠轻量级块构建，易于训练，而不需要批量归一化，并且可以通过我们提出的架构简化来进一步加速。在PASCAL VOC 2007、PASCAL VOC 2012基准测试上的实验结果表明，WeaveNet带来了显著的性能提升。对于批量大小= 8的320x320输入，WeaveNet在PASCAL VOC 2007测试中以101 fps的速度达到79.5%的mAP，只有4 fps的额外成本，并通过更多的迭代进一步提高到79.7%的mAP。
2017-12-08 cs.CV
Context-Aware Single-Shot Detector
Futurewei Technologies（未来wei技术公司）；University of Texas at Arlington（德克萨斯大学阿灵顿分校）
SSD是最先进的目标检测算法之一，它结合了高检测精度和实时速度。然而，人们普遍认为，SSD在检测小对象方面不如大对象准确，因为它忽略了提案框之外的上下文。在本文中，我们提出了CSSD-一个速记上下文感知的单镜头多框对象检测器。CSSD是建立在SSD之上的，额外的层建模多尺度上下文。我们描述了CSSD的两种变体，它们在上下文层上不同，分别使用扩张卷积层（DiCSSD）和去卷积层（DeCSSD）。实验结果表明，多尺度上下文建模显著提高了检测精度。此外，我们研究了有效感受野（ERFs）和理论感受野（TRFs）之间的关系，特别是在VGGNet上。实验结果进一步加强了我们的结论，SSD与上下文层结合实现了更好的检测结果，特别是对于小对象（与最新的SSD相比，MS-COCO上的$+3.2\% {\rm AP}_{@0.5}$），同时保持了相当的运行时性能。
2018-03-24 cs.CV
DSSD : Deconvolutional Single Shot Detector
UNC Chapel Hill（北卡罗来纳大学教堂山分校）；Amazon Inc.（亚马逊公司）
本文的主要贡献是一种方法，用于引入额外的上下文到国家的最先进的一般目标检测。为了实现这一目标，我们首先将最先进的分类器（残差-101 [14]）与快速检测框架（SSD[18]）相结合。然后，我们用反卷积层增强SSD+残差-101，以在目标检测中引入额外的大规模上下文并提高准确性，特别是对于小对象，将我们得到的系统称为反卷积Single Shot检测器的DSSD。虽然这两个贡献很容易在高层次上描述，但天真的实现不会成功。相反，我们表明，仔细添加额外的学习转换阶段，特别是反卷积中的前馈连接模块和新的输出模块，使这种新方法成为可能，并为进一步的检测研究提供了一种潜在的前进方向。结果显示在PASCAL VOC和COCO检测上。我们使用$513 \times 513$输入的DSSD在VOC 2007测试中达到81.5% mAP，在VOC 2012测试中达到80.0% mAP，在COCO上达到33.2% mAP，在每个数据集上都优于最先进的方法R-FCN[3]。
2017-01-23 cs.CV
MDSSD: Multi-scale Deconvolutional Single Shot Detector for Small Objects
Zhengzhou University（郑州大学）
对于大多数基于多尺度特征图的目标检测器，浅层具有丰富的精细空间信息，因此主要负责小目标检测。然而，由于浅层特征图缺乏语义信息，小目标检测的性能仍不令人满意。本文设计了一种多尺度解卷积Single Shot检测器（MDSSD），特别适用于小目标的目标检测。在MDSSD中，同时对不同尺度的多个高级特征图进行上采样，以提高空间分辨率。然后，我们通过Fusion Block实现了低层特征映射的跳过连接。融合后的特征图称为融合模块，具有较强的小样本特征表示能力。值得注意的是，Fusion Block中使用的这些高级特征图保留了强语义信息和小实例的一些细节，而不是最顶层，其中小对象的细节表示可能会被删除。所提出的框架实现了77.6%的mAP小目标检测上具有挑战性的数据集TT 100 K与512 × 512输入，优于其他检测器具有较大的利润。此外，它还可以在PASCAL VOC 2007测试和MS COCO test-dev 2015上实现一般目标检测的最新结果，特别是在小对象类别上实现2到5点的改进。
2020-02-25 cs.CV
Leveraging Bottom-Up and Top-Down Attention for Few-Shot Object Detection
University of Minnesota（明尼苏达大学）
针对小样本目标检测中自上而下注意力效果受限的问题，提出结合两类注意力的AttFDNet网络，搭配新型损失与混合学习策略，验证了注意力互补性并提升了检测性能与可解释性。
2020-07-23 cs.CV
Faster OreFSDet : A Lightweight and Effective Few-shot Object Detector for Ore Images
Hubei University of Technology（湖北工业大学）；Nanjing University（南京大学）；Fudan University（复旦大学）；Chinese Academy of Sciences（中国科学院）
针对矿石图像标注数据稀缺、现有小样本检测器部署难的问题，提出轻量型Faster OreFSDet，通过支持特征挖掘、关系引导与双尺度语义聚合实现高性能检测，模型仅19MB、速度达50 FPS。
2023-05-02 cs.CV eess.IV
Efficient Meta-Learning Enabled Lightweight Multiscale Few-Shot Object Detection in Remote Sensing Images
College of Electronics and Information Engineering, Sichuan University（四川大学电子信息工程学院）；School of Mechanical Engineering and Automation, Fuzhou University（福州大学机械工程与自动化学院）；Yunnan Key Laboratory of Software Engineering, Yunnan University（云南大学云南省软件工程重点实验室）
针对遥感图像少样本检测的多尺度与模型笨重问题，本文以YOLOv7为基线构建轻量级元学习框架，并通过元采样和元交叉损失利用负样本，在DIOR与NWPU VHR-10.v2上取得先进性能。
2024-06-17 cs.CV
FSSD: Feature Fusion Single Shot Multibox Detector
Beihang University（北京航空航天大学）；Beijing University of Posts and Telecommunications（北京邮电大学）
本文提出 FSSD，通过在 SSD 中引入轻量级多尺度特征融合模块生成新特征金字塔，在 Pascal VOC 和 COCO 上以极小的速度代价显著提升检测精度，同时兼顾速度与精度。
2024-02-23 cs.CV
Towards Discriminative and Transferable One-Stage Few-Shot Object Detectors
Robert Bosch GmbH（罗伯特·博世有限公司）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；University of Stuttgart（斯图加特大学）；Fraunhofer IOSB（弗劳恩霍夫光学、电子与精密工程研究所）
最近的目标检测模型需要大量的注释数据来训练新的对象类别。Few-Shot目标检测（FSOD）旨在通过仅给定少量样本来学习新类来解决这个问题。虽然使用两级FSOD探测器已经实现了有竞争力的结果，但通常一级FSOD与它们相比表现不佳。我们观察到，两阶段和一阶段FSOD之间的性能差距很大，主要是由于他们的弱辨别力，这是由一个小的融合后的感受野和少量的前景样本的损失函数解释。为了解决这些局限性，我们提出了Few-Shot RetinaNet（FSRN），它包括：多路支持训练策略，以增加密集元检测器的前景样本数量，早期的多级特征融合，提供了一个广泛的接受领域，覆盖整个锚区域，以及查询和源图像上的两个增强技术，以提高可移植性。大量的实验表明，该方法解决了局限性，提高了可辨别性和可移植性。FSRN比两级FSOD快近两倍，同时在精度上保持竞争力，并且在MS-COCO和PASCAL VOC基准测试中优于最先进的一级元检测器和一些两级FSOD。
2022-10-11 cs.AI cs.CV
StairNet: Top-Down Semantic Aggregation for Accurate One Shot Detection
KAIST（韩国科学技术院）
像SSD或YOLO这样的单级物体探测器已经显示出了很好的精度，内存占用量小，速度快。然而，人们普遍认为，一级检测器在检测小物体时有困难，而在检测大物体时，它们与两级方法有竞争力。在本文中，我们研究如何从SSD框架开始缓解这个问题。由于它们的金字塔式设计，负责小对象的较低层缺乏强大的语义（例如上下文信息）。我们通过引入一个功能组合模块，以自上而下的方式展开强语义来解决这个问题。我们的最终模型StairNet检测器有效地统一了多尺度表示和语义分布。在PASCAL VOC 2007和PASCAL VOC 2012数据集上的实验表明，StairNet显著改善了SSD的弱点，并优于其他最先进的一级检测器。
2017-09-18 cs.CV
Liver Lesion Detection from Weakly-labeled Multi-phase CT Volumes with a Grouped Single Shot MultiBox Detector
Seoul National University（首尔大学）；Seoul National University Hospital（首尔大学医院）；Seoul National University College of Medicine（首尔大学医学院）；Institute of Radiation Medicine, Seoul National University Medical Research Center（首尔大学医学研究中心放射医学研究所）
我们提出了一种利用定制设计的多相计算机断层扫描（CT）体积的局灶性肝脏病变检测模型，该模型反映了使用Single Shot MultiBox探测器（SSD）的真实临床病变检测实践。我们表明，分组卷积有效地利用更丰富的信息的多相位数据的目标检测模型，而一个天真的应用SSD遭受的泛化差距。我们训练和评估了修改后的SSD模型，并通过五重交叉验证使用我们的64名受试者的CT数据集最近提出了变体。我们的模型达到了53.3%的平均精度分数，每卷运行时间不到三秒，优于原始模型和最先进的变体。结果表明，一阶段目标检测模型是一种实用的解决方案，它可以实时运行，并且可以从大容量的真实世界检测数据集中学习无偏的特征表示，这需要更少的繁琐和耗时的弱相位级限界框标签的构建。
2018-07-02 cs.CV
FECANet: Boosting Few-Shot Semantic Segmentation with Feature-Enhanced Context-Aware Network
Nanjing University of Science and Technology（南京理工大学）；Terminus Group（特斯联集团）
Few-Shot语义分割是学习在查询图像中定位新类别的每个像素的任务，只有少数注释的支持图像。由于典型的基于原型的方法不能学习细粒度的对应关系，目前基于相关性的方法通过构造成对特征相关性来建立多对多的匹配。然而，现有的方法仍然受到噪声包含在朴素的相关性和缺乏上下文语义信息的相关性。为了缓解上述问题，我们提出了一种增强的上下文感知网络（FECANet）。具体而言，提出了一种特征增强模块，用于抑制类间局部相似性引起的匹配噪声，增强朴素相关中的类内相关性。此外，我们提出了一种新的相关性重建模块，编码额外的前景和背景之间的对应关系和多尺度上下文语义特征，显着提高编码器捕获可靠的匹配模式。在PASCAL- $5^i$和COCO- $20^i$数据集上的实验表明，与现有技术相比，我们提出的FECANet有显著的改进，证明了它的有效性.
2023-01-19 cs.CV
Few-Shot Medical Image Segmentation via a Region-enhanced Prototypical Transformer
Nanjing University of Science and Technology（南京理工大学）；Newcastle University（纽卡斯尔大学）
提出区域增强原型Transformer（RPT），通过细分策略生成区域原型并结合自选择机制的BaT模块消除干扰，迭代优化原型以提升少样本医学图像分割精度。
2023-09-09 cs.CV
Exploring the Applications of Faster R-CNN and Single-Shot Multi-box Detection in a Smart Nursery Domain
Universiti Teknologi Brunei（文莱达鲁萨兰大学）；National Institute of Information and Communications Technology（信息通信研究机构）；CLEALINKTECHNOLOGY Co., Ltd.（CLEALINK科技有限公司）
婴儿检测任务的最终目标是在一系列2D图像中检测婴儿和其他物体的存在，跟踪它们并理解场景的语义内容。深度学习和计算机视觉的最新进展为一般目标检测提供了各种强大的工具，并可应用于婴儿检测任务。本文研究了基于快速区域的卷积神经网络和单次多盒检测方法。它们是基于区域建议策略和多框策略的两种最先进的目标检测器。讨论了从这些检测器获得的场景中婴儿的存在，使用不同的预训练模型进行测试。这项研究很重要，因为这些检测器在使用不同预训练模型的婴儿检测任务中的行为仍然没有得到很好的理解。这项探索性的研究揭示了许多有用的见解，这些对象检测器在智能托儿所领域的应用。
2018-08-27 cs.CV
AFD-Net: Adaptive Fully-Dual Network for Few-Shot Object Detection
Beijing Institute of Technology（北京理工大学）
Few-Shot目标检测（FSOD）旨在学习一种检测器，该检测器可以快速适应先前未见过的具有稀少注释示例的对象，这是具有挑战性和要求的。现有方法通过利用共享组件（例如，RoI头）在检测器中，但很少有人考虑到两个子任务对特征嵌入的不同偏好。在本文中，我们仔细分析了FSOD的特点，并提出了一个一般的Few-Shot检测器应考虑两个子任务的显式分解，以及利用信息，从他们两个，以提高功能表示。最后，我们提出了一个简单而有效的自适应全对偶网络（AFD-Net）。具体来说，我们通过引入用于单独特征提取的双查询编码器和双注意力生成器以及用于单独模型重新加权的双聚合器来扩展Faster R-CNN。自发的，独立的状态估计是由R-CNN检测器实现的。此外，为了获得增强的特征表示，我们进一步引入了自适应融合机制，在不同的子任务中自适应地进行特征融合。在PASCAL VOC和MS COCO上进行的大量实验表明，我们的方法在很大程度上实现了新的最先进的性能，证明了其有效性和泛化能力。
2021-04-19 cs.CV
ScratchDet: Training Single-Shot Object Detectors from Scratch
JD AI Research（京东人工智能研究院）；Sun Yat-sen University（中山大学）；JD Digits（京东数字科技）；CASIA（中国科学院自动化研究所）；UCAS（中国科学院大学）
目前最先进的对象是从在大规模分类数据集ImageNet上预训练的现成网络中微调的，这会带来一些额外的问题：1）分类和检测对翻译的敏感程度不同，导致学习目标偏差; 2）架构受到分类网络的限制，导致修改不便。为了应对这些问题，从头开始训练检测器是一个可行的解决方案。然而，从头开始训练的检测器通常比预先训练的检测器性能更差，甚至在训练中存在收敛问题。在本文中，我们探索训练对象检测器从头开始鲁棒。通过分析以前的优化工作，我们发现当前从头开始训练的检测器中被忽视的一点是BatchNorm。借助BatchNorm带来的稳定和可预测的梯度，检测器可以从头开始稳定地训练，同时保持良好的性能与网络结构无关。利用这一优势，我们能够探索各种类型的网络进行目标检测，而不会受到收敛性差的影响。通过大量的实验和对下采样因子的分析，提出了Root-ResNet骨干网络，充分利用了原始图像的信息。在所有从头开始训练的检测器中，我们的SundechDet在PASCAL VOC 2007，2012和MS COCO上达到了最先进的准确性，甚至比几个一步预训练方法更好。代码将在https://github.com/KimSoybean/ScratchDet上公布。
2019-05-06 cs.CV
Learning to Borrow Features for Improved Detection of Small Objects in Single-Shot Detectors
Department of Mathematics（数学系）；Zewail City of Science & Technology（泽瓦伊城市科学与技术城）
针对单阶段检测器中小目标检测因空间分辨率与语义丰富度权衡而受限的问题，提出基于SSD的特征借用框架，通过FMB、FRB和FFB三个模块让小目标从同类大目标借用判别性特征，在保持实时性的同时显著提升检测精度。
2025-04-30 cs.CV math.OC
Fire SSD: Wide Fire Modules based Single Shot Detector on Edge Device
Intel（英特尔）
随着边缘计算的出现，越来越需要在具有有限计算和热预算的小形状因子边缘计算设备上运行基于目标检测的卷积神经网络，以用于诸如视频监控的应用。为了解决这个问题，提出了有效的目标检测框架，如YOLO和SSD。然而，使用VGG16作为后端网络的基于SSD的目标检测不足以在边缘设备上实现实时的速度。为了进一步提高检测速度，后端网络被更高效的网络（如SqueezeNet和MobileNet）所取代。虽然速度大大提高，但其代价是精度较低。在本文中，我们提出了一个高效的SSD命名为消防SSD。Fire SSD在Pascal VOC 2007测试集上达到70.7mAP。Fire SSD在低功耗主流CPU上实现了30.6FPS的速度，比SSD300快约6倍，型号尺寸小约4倍。Fire SSD还在集成GPU上实现了22.2FPS。
2018-12-11 cs.CV
Generalization vs. Specialization: Evaluating Segment Anything Model (SAM3) Zero-Shot Segmentation Against Fine-Tuned YOLO Detectors
Cornell University, Department of Biological and Environmental Engineering（康奈尔大学生物与环境工程系）；University of the Peloponnese, Department of Informatics and Telecommunications（希腊皮埃里亚大学信息与电信系）
本文评估了SAM3在零样本分割中的性能，与微调的YOLO检测器相比，展示了SAM3在遮罩精度上的优势。
2025-12-09 cs.CV
GenCo: An Auxiliary Generator from Contrastive Learning for Enhanced Few-Shot Learning in Remote Sensing
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Intelinair
本文提出基于生成器的对比学习框架GenCo，通过预训练骨干网络并在特征空间生成样本变体以丰富有限标注数据，有效提升了遥感图像分类与分割的少样本学习性能。
2023-07-27 cs.CV
LipSSD: Lipschitz-Constrained Single-Shot Detection for Adversarially Robust Object Detection
IRIT；Alstom（阿尔斯通）；SNCF（法国国家铁路公司）
研究目标检测对抗鲁棒性问题，提出引入利普希茨约束变体，以LipSSD验证，分析约束权衡，证明其与对抗训练互补，在多数据集测试中可提高鲁棒性且保持干净性能，为提升目标检测器鲁棒性提供实用方向。
2026-07-09 cs.AI cs.CV
TeFF: Tracking-enhanced Forgetting-free Few-shot 3D LiDAR Semantic Segmentation
Research Center for Intelligent Computing Systems, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所智能计算系统研究中心）；School of Computer Science and Technology, University of Chinese Academy of Sciences（中国科学院大学计算机科学与技术学院）；China North Artificial Intelligence & Innovation Research Institute（中国北方人工智能与创新研究院）；Collective Intelligence & Collaboration Laboratory (CIC)（集体智能与协作实验室）；Research Center for In（研究中心）
本文提出TeFF方法，利用LiDAR时间连续性通过跟踪模型生成伪标签以增强小样本3D语义分割，并引入LoRA缓解灾难性遗忘，在保持基类性能的同时提升对新类别的适应能力。
2024-08-28 cs.CV cs.RO
Seismic Shot Gather Noise Localization Using a Multi-Scale Feature-Fusion-Based Neural Network
Pontifical Catholic University of Rio de Janeiro（里约热内卢天主教大学）；Leopoldo Américo Miguez de Mello Research and Development Center (Cenpes), Petrobras（巴西石油公司莱奥波尔多·亚美利哥·米格斯·德梅洛研发中心（Cenpes））
基于深度学习的模型（诸如卷积神经网络）已经推进了计算机视觉的各个部分。然而，该技术很少应用于地震炮集噪声定位问题。本文研究了基于多尺度特征融合的地震炮集噪声定位网络的有效性。在此，我们描述以下内容：（1）基于6，500个地震图构建地震噪声定位的真实世界数据集;（2）使用与特征金字塔网络相结合的MobileNet作为骨干的基于多尺度特征融合的检测器;以及（3）用于箱分类/回归的Single Shot多箱检测器。此外，我们建议使用焦点损失函数，提高检测器的预测精度。在我们的经验评估中，所提出的检测器实现了78.67%的AP@0.5。
2020-05-07 cs.CV cs.LG
DSFD: Dual Shot Face Detector
Nanjing University of Science and Technology（南京理工大学）；Tencent（腾讯）
在本文中，我们提出了一种新的人脸检测网络的三个新的贡献，解决人脸检测的三个关键方面，包括更好的特征学习，渐进损失设计和锚分配的数据增强，分别。首先，我们提出了一个特征增强模块（FEM），用于增强原始特征图，以扩展Single Shot检测器到双镜头检测器。其次，我们采用渐进锚损失（PAL）计算两个不同的锚，以有效地促进功能。第三，我们使用一种改进的锚点匹配（IAM），通过将新的锚点分配策略集成到数据增强中，为回归器提供更好的初始化。由于这些技术都与双流设计有关，我们将所提出的网络命名为双镜头人脸检测器（DSFD）。在流行的基准测试WIDER FACE和FDDB上进行的大量实验表明，DSFD优于最先进的人脸检测器。
2019-04-06 cs.CV
Boosting the Generalization Capability in Cross-Domain Few-shot Learning via Noise-enhanced Supervised Autoencoder
Huawei Noah’s Ark Lab（华为诺亚方舟实验室）；University of British Columbia（不列颠哥伦比亚大学）
现有技术（SOTA）少样本学习（FSL）方法在源数据集和目标数据集之间存在域差异的情况下遭受显著的性能下降。对源数据集的强区分能力不一定转化为对目标数据集的高分类精度。在这项工作中，我们解决这个跨域少样本学习（CDFSL）问题，通过提高模型的泛化能力。具体来说，我们教模型捕捉更广泛的变化的特征分布与一种新的噪声增强监督自动编码器（NSAE）。NSAE通过联合重建输入和预测输入的标签以及它们的重建对来训练模型。基于类内相关性的理论分析表明，从NSAE学习的特征嵌入在目标域具有更强的区分能力和泛化能力。我们还利用NSAE结构，并提出了一个两步微调过程，实现更好的适应性，提高目标域的分类性能。大量的实验和烧蚀研究进行了证明所提出的方法的有效性。实验结果表明，我们提出的方法始终优于SOTA方法在各种条件下。
2021-09-23 cs.CV cs.LG
Make an Omelette with Breaking Eggs: Zero-Shot Learning for Novel Attribute Synthesis
National Chiao Tung University（国立交通大学）；IBM Research（IBM研究院）
现有的大多数零次分类问题（zero-shot classification problem）算法通常依赖于类别之间基于属性的语义关系来实现新类别的分类，而无需观察任何实例。然而，训练zero-shot分类模型仍然需要对训练数据集中的每个类（甚至实例）进行属性标记，这也是昂贵的。为此，在本文中，我们提出了一个新的问题场景：“我们是否可以为新的属性检测器/分类器导出零样本学习，并使用它们来自动标注数据集以提高标注效率？".基本上，只给出一小组被学习来识别一些手动注释的属性的检测器（即，看到的属性），我们的目标是以零样本学习的方式合成新属性的检测器。我们提出的方法，零样本学习的属性（Zero-Shot Learning for Attributes，简称ZLA），这是第一个同类的，以我们所知的，解决了这个新的研究问题，通过应用集合操作，首先分解看到的属性到他们的基本属性，然后重新组合这些基本属性到新的。进行了大量的实验，以验证我们的合成检测器准确捕捉新属性的语义的能力，并显示其优越的性能相比，其他基线方法的检测和定位。此外，我们展示了自动注释的应用程序，使用我们的合成检测器在加州理工大学UCSD鸟类-200-2011数据集。各种广义的zero-shot分类算法训练的数据集重新注释的MANULA显示与那些训练的手动地面实况注释相当的性能。源代码请参考我们的项目页面：https://yuhs…
2022-11-19 cs.CV cs.LG
RetinaMask: Learning to predict masks improves state-of-the-art single-shot detection for free
UNC at Chapel Hill（北卡罗来纳大学教堂山分校）
最近，两级探测器在精度与速度的权衡中领先于单次探测器。然而，单次检测器在嵌入式视觉应用中非常受欢迎。本文将单次激发探测器提升到与当前两阶段技术相同的水平。我们通过三种方式改进最先进的单次检测器RetinaNet的训练来做到这一点：首次集成实例掩码预测，使损失函数自适应且更稳定，并在训练中包含额外的硬示例。我们将由此产生的增强网络称为RetinaMask。RetinaMask的检测组件具有与原始RetinaNet相同的计算成本，但更准确。COCO测试开发结果为RetinaMask-101高达41.4 mAP，RetinaNet-101为39.1mAP，而运行时间在评估期间是相同的。添加组归一化将RetinaMask-101的性能提高到41.7 mAP。代码在：www.example.com
2019-01-10 cs.CV
Propose-and-Attend Single Shot Detector
Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
我们提出了一个简单而有效的预测模块的一级检测器。主要过程以由粗到细的方式进行。首先，该模块粗略地调整默认框以很好地捕捉图像中目标对象的范围。其次，给定调整后的框，模块相应地对齐卷积滤波器的感受野，而不需要任何嵌入层。这两个步骤都建立了一个提议和参与机制，以高效的方式模仿两阶段检测器。为了验证其有效性，我们将所提出的模块应用到一个基本的一级检测器SSD。我们的最终模型达到了与最先进的检测器相当的精度，同时使用了它们的模型参数和计算开销的一小部分。此外，我们发现，所提出的模块有两个强大的应用。1)该模块可以成功地集成到一个轻量级的骨干，进一步推动了一级检测器的效率。2)该模块还允许从头开始训练，而不像以前的方法那样依赖于任何复杂的基础网络。
2019-07-30 cs.CV cs.LG eess.IV
ScanSSD: Scanning Single Shot Detector for Mathematical Formulas in PDF Document Images
Rochester Institute of Technology（罗切斯特理工学院）
我们介绍了扫描Single Shot检测器（ScanSSD），用于定位从文本偏移并嵌入文本行中的数学公式。ScanSSD仅使用视觉特征进行检测：不使用格式或排版信息，如布局，字体或字符标签。给定600 dpi文档页面图像，Single Shot Detector（SSD）使用滑动窗口以多个尺度定位公式，之后汇集候选检测以获得页面级结果。对于我们的实验，我们使用TFD-ICDAR 2019 v2数据集，这是GTDB扫描数学文章集合的修改。ScanSSD以高准确度检测公式中的字符，获得0.926的f分数，并检测整体召回率高的公式。检测错误很大程度上很小，例如在大的空白间隙处分割公式（例如，对于变量约束）和合并相邻文本行上的公式。获得公式检测f分数为0.796（IOU $\geq0.5$）和0.733（IOU $\ge 0.75$）。我们的数据、评估工具和代码是公开的。
2020-03-18 cs.CV
Level, Sharpness, and Corpus: Why Zero-Shot OOD Detector Rankings Do Not Transfer
本文通过审计证明零样本OOD检测器排名无法跨域迁移，提出CEG封装器，可降低检测器敏感性并提升GL-MCM与MCM的族平衡FPR95。
2026-07-30 cs.CV
S3D: Single Shot multi-Span Detector via Fully 3D Convolutional Networks
UC Santa Barbara（加州大学圣巴巴拉分校）；University of Maryland（马里兰大学）
在本文中，我们提出了一种新的Single Shot多跨度检测器，用于使用简单的端到端全三维卷积（Conv3D）网络在长的未修剪视频中进行时间活动检测。我们的架构，命名为S3D，编码整个视频流和离散化的输出空间的时间活动跨度到一组默认的跨度在不同的时间位置和尺度。在预测时间，S3D预测每个默认跨度中活动类别的存在的分数，并产生相对于跨度位置的时间调整，以预测精确的活动持续时间。与许多需要单独的建议和分类阶段的最先进的系统不同，我们的S3D本质上很简单，专门为单发，端到端的时间活动检测而设计。在THUMOS的14检测基准测试中，S3D达到了最先进的性能，非常高效，可以以1271 FPS的速度运行。
2018-08-07 cs.CV
Training of SSD(Single Shot Detector) for Facial Detection using Nvidia Jetson Nano
在这个项目中，我们使用了计算机视觉算法SSD（Single Shot detector）计算机视觉算法，并从由139张图片组成的数据集中训练了该算法。使用英特尔CVAT（计算机视觉注释工具）对图像进行标记。我们训练此模型以进行面部检测。我们已经在Nvidia Jetson Nano开发工具包中部署了经过训练的模型和软件。模型代码是在Pytorch的深度学习框架中编写的。使用的程序设计语言是Python。
2021-05-28 cs.AI cs.CV cs.DC
Foundation Visual Encoders Are Secretly Few-Shot Anomaly Detectors
Technical University of Munich（慕尼黑工业大学）；Munich Center for Machine Learning（慕尼黑机器学习中心）；MVTec Software GmbH（MVTec软件有限公司）
本研究利用基础视觉编码器预训练学到的正常图像分布特征，提出基于非线性投影算子的少样本异常检测器FoundAD，在多类别检测上实现了参数量远低于现有方法的有竞争力性能，推动了少样本异常检测领域发展。
2025-10-02 cs.AI cs.CV cs.LG
Single Shot Text Detector with Regional Attention
University of Florida（佛罗里达大学）；University of Oxford（牛津大学）；Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）
我们提出了一种新的单镜头文本检测器，直接输出自然图像中的单词级边界框。我们提出了一个注意力机制，它通过自动学习的注意力地图粗略地识别文本区域。这基本上抑制了卷积特征中的背景干扰，这是产生准确的单词推断的关键，特别是在非常小的尺寸下。这将产生一个基本上以由粗到细的方式工作的单个模型。它不同于最近的基于FCN的文本检测器，后者级联多个FCN模型以实现准确的预测。此外，我们开发了一个分层的初始模块，有效地聚合多尺度的初始功能。这增强了局部细节，并且还编码了强上下文信息，允许检测器在具有单尺度图像的多尺度和多方向文本上可靠地工作。我们的文本检测器在ICDAR 2015基准上实现了77%的F测量，推进了[18，28]中的最先进结果。演示可在http://sstd.whuang.org/上获得。
2017-09-01 cs.CV
Ensemble-based Adaptive Single-shot Multi-box Detector
Concordia University（康考迪亚大学）
我们提出了两个改进的SSD-Single Shot多盒检测器。首先，我们提出了一个自适应的方法来选择默认框在SSD。这使用数据来减少为默认框选择最佳纵横比的不确定性，并提高包含小而复杂对象的数据集的SSD性能（例如，建筑工地设备）。我们通过找到给定训练数据集的纵横比分布来实现，然后选择代表性值。其次，我们提出了一种集成算法，使用SSD作为组件，这提高了SSD的性能，特别是对少量的训练数据集。与传统的SSD算法相比，自适应框选择将平均精度提高了3%，而基于集合的SSD将其提高了8%。
2018-08-17 cs.CV
Visual Language Models as Zero-Shot Deepfake Detectors
针对现有深度伪造检测方法鲁棒性不足的问题，提出基于视觉语言模型的零样本检测方法，在含6万张图像的新数据集及DFDC-P上均优于传统分类器。
2025-07-30 cs.AI cs.CV cs.LG
CFENet: An Accurate and Efficient Single-Shot Object Detector for Autonomous Driving
Peking University（北京大学）；Alibaba AI Lab（阿里巴巴人工智能实验室）
对于自动驾驶的应用来说，物体检测器的检测能力和速度非常重要，本文提出了一种有效且高效的一级检测器，该检测器在CVPR 2018研讨会-自动驾驶研讨会（WAD）的道路目标检测竞赛中获得第二名。该检测器继承了SSD的体系结构，并引入了一种新的综合特征增强（CFE）模块，在该竞争数据集和MSCOCO数据集上的实验结果表明，该检测器（CFENet）在保持原SSD高效率的同时，对小目标的检测性能明显优于原SSD和最先进的Refinedet方法.具体来说，所提出的检测器的单尺度版本可以以21 fps的速度运行，而输入尺寸更大的多尺度版本则实现了mAP 29.69，在排行榜上排名第二
2018-10-10 cs.CV
Hierarchical Mask-Enhanced Dual Reconstruction Network for Few-Shot Fine-Grained Image Classification
Nanjing University（南京大学）
本文提出层次化掩码增强双重建网络（HMDRN），通过双层特征重建与掩码增强特征处理，解决少样本细粒度图像分类中区分视觉相似子类的问题，实验显示其在三种细粒度数据集上均优于现有方法。
2026-06-04 cs.CV
PEVA-Net: Prompt-Enhanced View Aggregation Network for Zero/Few-Shot Multi-View 3D Shape Recognition
Institute for Infocomm Research, A*STAR（新加坡科研局信息通信研究院）
本文提出PEVA-Net，利用CLIP和提示增强视图聚合，同时解决零样本与少样本多视图三维形状识别，并通过零样本描述符引导的自蒸馏提升少样本学习效果。
2024-04-30 cs.CV
Semantic Enhanced Knowledge Graph for Large-Scale Zero-Shot Learning
University of Electronic Science and Technology of China（电子科技大学）
零样本学习一直是视觉和语言领域的研究热点。目前，大多数已有的方法采用结构化知识信息来建模类别之间的显式相关性，并使用深度图卷积网络来传播不同类别之间的信息。然而，很难向现有的结构化知识图谱中添加新的类别，并且深度图卷积网络遭受过平滑问题。在本文中，我们提供了一个新的语义增强的知识图谱，同时包含专家知识和类别的语义相关。我们的语义增强知识图谱可以进一步增强类别之间的相关性，使其易于吸收新的类别。为了在知识图谱上传播信息，提出了一种新的残差图卷积网络（ResGCN），可以有效地缓解过平滑问题.在广泛使用的大规模ImageNet-21 K数据集和AWA 2数据集上进行的实验表明了该方法的有效性，并建立了一种新的零样本学习方法。在大规模ImageNet-21 K上对不同特征提取网络的实验结果表明，该方法具有更好的泛化能力和鲁棒性。
2022-12-26 cs.CV
Group-Attention Single-Shot Detector (GA-SSD): Finding Pulmonary Nodules in Large-Scale CT Images
Sun Yat-sen University（中山大学）；Technical University of Munich（慕尼黑工业大学）；Infervision Inc（推想科技）
肺结节的早期诊断可以提高患者的生存率，但由于计算机断层扫描（CT）图像中的图像噪声和伪影，对放射科医生来说是一项具有挑战性的任务。在本文中，我们提出了一种新的和有效的异常检测器实现的注意力机制和组卷积的3D单次检测器（SSD）称为组注意力SSD（GA-SSD）。我们发现，组卷积是有效的，在连续切片之间提取丰富的上下文信息，注意力网络可以自动学习目标特征。我们收集了一个大规模的数据集，其中包含4146个CT扫描，注释了不同类型和大小的PN（甚至注释了小于3 mm的PN）。据我们所知，该数据集是具有相对完整的PN检测注释的最大队列。我们的实验结果表明，所提出的群体注意力SSD优于经典的SSD框架以及最先进的3DCNN，特别是在一些具有挑战性的病变类型。
2019-05-24 cs.CV
