发表机构
Toyota Technological Institute（丰田工业大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本文提出任意尺度目标检测方法，利用任意尺度超分辨率连续缩放目标图像，并通过预测尺度提议图抑制误检，解决了多尺度检测中离散表示和超分辨率误检问题。
AI 中文摘要
本文提出了一种利用任意尺度超分辨率技术对目标图像进行连续缩放的目标检测方法，而一般的多尺度目标检测使用离散缩放的外观表示。然而，如果大量超分辨率图像被独立输入到目标检测器中，直接使用超分辨率会产生许多误检。我们的方法通过预测尺度提议图来抑制这些误检，每个尺度提议图代表一组适合每个超分辨率尺度的像素。
英文摘要
This paper proposes any-scale object detection using arbitrary-scale super-resolution for continuously rescaling object images, while general multi-scale object detection uses discretely rescaled appearance representations. However, a naive usage of super-resolution produces many false-positive detections if many super-resolution images are independently fed into an object detector. Our method suppresses these false positives by predicting scale proposal maps, each of which represents a set of pixels appropriate for each super-resolution scale.
CommentsMVA2025. 6 pages
