Tiny Object Detection

原创 已于 2024-01-16 21:37:55 修改 · 1.8k 阅读 · 20 GEO检测
于 2023-12-21 17:11:22 首次发布
本文探讨了微小目标检测领域的最新进展，包括利用时间上下文、知识蒸馏、分层采样和动态学习策略。文章介绍了CFINet、ScaleKD、Zoom-In网络、RFLA和DCFL等方法，旨在解决训练样本不足、时间上下文利用、尺度问题和特征表示等挑战。这些研究为提高小目标检测的精度和效率提供了新的视角。

文章目录

Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning（ICCV2023）

hh
解决了小目标训练样本不足质量低以及判别信息匮乏的问题
提出CFINet
引入了由粗到精的区域提议网络（CRPN）解决训练样本不足质量低的问题
添加了特征模仿FI分支，并设计了一个损失函数对其进行优化，提升模型对小目标的识别能力和表示效果。

Exploiting Temporal Context for Tiny Object Detection(WACV2023)

很好
在本文中，作者通过利用静态摄像机记录的视频序列中可用的时间上下文，解决了实时监控

标签
#目标检测 #目标跟踪 #人工智能 #计算机视觉
了解本专栏 订阅专栏 解锁全文
context augmentation and feature refinement network for tiny object detection的一些理解
weixin_45074568的博客
10-19 4699
abstract 本文提出了一种结合增强上下文和细化特征的特征金字塔，将多尺度扩张卷积得到的特征自上向下融合注入特征金字塔，不同上下文信息，引入通道和空间特征细化机制，抑制多尺度特征融合中的冲突形成，防止微小目标消失在冲突信息中，此外提出了一种copy-reduction-paste的数据增强方法，该方法可以增加微小对象在训练过程中损失的贡献，确保训练更加均衡。 直接重点！！！ 本文是针对FPN来进行改进的，改进网络结构如下图： CEM模块 CEM的灵感来自于人类识别物体的模式，例如在非常高的天空中，人类
Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning（ICCV2023）
qihshe的博客
01-17 2518
解决了小目标训练样本不足质量低以及判别信息匮乏的问题 提出CFINet 引入了由粗到精的区域提议网络（CRPN）解决训练样本不足质量低的问题 添加了特征模仿FI分支，并设计了一个损失函数对其进行优化，提升模型对小目标的识别能力和表示效果。
小目标检测TOD挑战赛冠军方案解读 | The 1st Tiny Object Detection Challenge
weixin_42096202的博客
09-19 2713
论文地址：https://arxiv.org/pdf/2009.07506.pdf Abstract： 第一届小目标检测（TOD）挑战赛旨在鼓励人们进行研究，以开发新颖，准确的方法来对具有广阔视野图像中的微小物体进行检测，目前重点集中在小人物检测方面。 TinyPerson数据集用于TOD挑战赛，并已公开发布。 它具有1610张图像和72651框级注释。 来自全球的约36个参赛团队参加了第一届TOD挑战赛。 在本文中，我们对第一届TOD挑战赛进行了简要概述，包括了对前三名方法的简要介绍。对于对TOD挑.
探秘Awesome Tiny Object Detection: 轻量级物体检测的新篇章
gitblog_00066的博客
03-26 573
探秘Awesome Tiny Object Detection: 轻量级物体检测的新篇章 去发现同类优质开源项目:https://gitcode.com/ 在深度学习的世界里，物体检测是一个至关重要的领域，它使计算机能够识别图像中的对象并定位其位置。然而，传统的物体检测模型往往计算复杂度高，不适合资源有限的设备。这就是项目大显身手的地方。本文将带你深入理解这个项目的魅力，并探讨其在实际应用中的潜力...
论文阅读 R2 -CNN: Fast Tiny Object Detection in Large-scale Remote Sensing Images
weixin_45935290的博客
07-25 517
最近，卷积神经网络在目标检测方面取得了令人瞩目的进步。然而，在大规模遥感图像中检测微小目标仍然具有挑战性。首先，极大的输入尺寸使得现有的目标检测解决方案在实际应用中过于缓慢。其次，复杂的大量背景导致严重的 false alarms。此外，超微小目标增加了准确检测的难度。为了解决这些问题，我们提出了一种名为遥感区域卷积神经网络（R2-CNN）的self-reinforced network，由主干网络Tiny-Net、中间的全局注意力块和最终的分类器和检测器组成。
Interactive Multi-Class Tiny-Object Detection 项目推荐
gitblog_00316的博客
01-08 464
Interactive Multi-Class Tiny-Object Detection 项目推荐 Interactive Multi-Class Tiny-Object Detection 是一个开源项目，旨在为多类小目标检测提供一个交互式的标注方法和一种新型的小目标检测框架。该项目主要使用 Python 编程语言实现。 1. 项目基础介绍 该项目是 CVPR 2022 论文《Interact...
Interactive Multi-Class Tiny-Object-Detection 项目常见问题解决方案
gitblog_00357的博客
12-30 841
Interactive Multi-Class Tiny-Object-Detection 项目常见问题解决方案 1. 项目基础介绍和主要编程语言 Interactive Multi-Class Tiny-Object-Detection 是一个用于训练和评估多类别小型目标检测的开源项目。该项目基于 CVPR 2022 论文，提出了一种新颖的交互式注释方法，通过少量的点状用户输入来注释多类别的小型...
《Quantization Mimic: Towards Very Tiny CNN for Object Detection》的阅读总结
fish_like_apple的博客
09-10 1739
前言： {     此文为论文《Quantization Mimic: Towards Very Tiny CNN for Object Detection》的阅读总结。     此论文的主题是速度和结构的优化，而不是提高准确率；综合了两种方式：Quantization（量化）和Mimic（模仿）。     论文地址：https://arxiv.org/pdf/1805.02152.pdf...
探索 Awesome Tiny Object Detection：轻量级物体检测的新里程碑
gitblog_00076的博客
03-26 590
探索 Awesome Tiny Object Detection：轻量级物体检测的新里程碑 该项目源自于 的代码仓库，由kuanhungchen贡献，名为 "Awesome Tiny Object Detection"。这是一份详尽的资源集合，专注于小巧但功能强大的物体检测算法，旨在为开发者提供一种快速、低功耗且高效的解决方案。 项目简介 Awesome Tiny Objec...
[ECCV 2022]RFLA: Gaussian Receptive Field based Label Assignment for Tiny Object Detection
Sherlily的博客
12-31 1575
计算机-人工智能-小目标检测
Robust Tiny Object Detection in Aerial Images amidst Label Noise
qihshe的博客
06-10 1225
精确检测遥感图像中的小目标非常困难，因为这类目标视觉信息有限且在场景中频繁出现。此外，手动标注这些小目标不仅费时费力，还容易出错，即产生标签噪声。当使用带有噪声标签的训练集训练检测器时，网络往往倾向于过度拟合错误标签，导致性能不佳。为了解决这一问题，作者提出了DeNoising Tiny Object Detector（DN-TOD）。该方法包含两个关键组成部分：Class-aware Label Correction（CLC）和Trend-guided Learning Strategy（TLS）。
Tiny Object Detection with Single Point Supervision
qq_43980144的博客
04-30 905
Tiny Object Detection with Single Point Supervision 论文精度
Effective Fusion Factor in FPN for Tiny Object Detection
practical_sharp的博客
03-09 2148
Effective Fusion Factor in FPN for Tiny Object Detection 论文地址：https://arxiv.org/pdf/2011.02298.pdf 论文发表于 2021 WACV 摘要 这里是引用
DCFL: for Oriented Tiny Object Detection
qihshe的博客
03-04 1705
检测任意方向的微小目标给现有的检测器带来了巨大的挑战，特别是在标签分配方面。定向微小目标的极端几何形状和有限特征仍然会导致严重的不匹配和不平衡问题。具体而言，位置先验、正样本特征和实例不匹配，并且由于缺乏适当的特征监督，极端形状目标的学习存在偏差和不平衡，即特征先验不匹配和正样本不平衡是阻碍定向微小目标标签分配的两个障碍。（此前作者提出的RFLA一定程度上解决了问题，但静态分配不能根据样本的形状自适应划分正负样本，不能过滤掉低质量样本。
目标检测——day44 Tiny Object Detection in Aerial Images
想太多的学习日志
10-20 1845
我们建立了一个用于航空图像中微小目标检测的数据集，其中图像的平均目标大小比现有的目标检测数据集要小得多。此外，我们提出了一种基于多中心点的学习网络（M-CenterNet）来提高微小目标检测的定位性能。
Tiny Object Detection in Aerial Images论文简读
如果想成为中心，那么就到中心去吧。
12-08 3055
code: https://github.com/jwwangchn/AI-TOD 文章目录摘要论文的贡献 摘要 近年来，地球视觉中的目标探测取得了很大的进展。然而，航空图像中的微小物体检测仍然是一个非常具有挑战性的问题，因为微小物体包含的像素很小，很容易与背景混淆。为了推进航空图像中的微小物体检测研究，我们提出了一种新的航空图像中的微小物体检测数据集(AI-TOD)。具体来说，AI-TOD为280,36张航空图像的8个类别提供了700,621个物体实例。与现有的航空图像目标检测数据集相比，AI-TOD目.
SET: Spectral Enhancement for Tiny Object Detection（CVPR2025）
最新发布
qihshe的博客
07-23 1942
本文提出了一种针对 Tiny Object Detection（TOD）任务的新型方法——Spectral Enhancement for Tiny object detection（SET）。通过对特征编码后的小物体进行频域分析，发现高频信息对小物体识别造成了干扰，因而设计了通过抑制背景中的高频信息来增强小物体检测性能的方法。具体地，SET 包含两个模块：层次化的背景平滑（HBS）模块和对抗扰动注入（API）模块。
YOLC: You Only Look Clustersfor Tiny Object Detection in Aerial Images
zyq199082的博客
04-19 1920
由于以下因素，从航空图像中检测目标带来了重大挑战:1)航空图像通常具有非常大的尺寸，通常具有数百万甚至数亿像素，而计算资源有限。2)目标尺寸小导致信息不足，无法进行有效检测。3)对象分布不均匀导致计算资源浪费。为了解决这些问题，我们提出了YOLC (You Only Look Clusters)，这是一个基于无锚点对象检测器CenterNet的高效框架。为了克服大规模图像和非均匀目标分布带来的挑战，我们引入了一个局部尺度模块(LSM)，该模块自适应搜索聚类区域并放大以实现精确检测。
Multistage Enhancement Network for Tiny Object Detection in Remote Sensing Images
weixin_47020721的博客
08-17 876
小目标检测面临着两个挑战：1、Iou对微小物体位置偏差的高灵敏度2、微小物体低质量特征表示为了解决上述问题，我们提出了多阶段增强网络MENet，该网络完成了对检测器多个阶段微小物体的实例级和特征级增强，由于基于IoU的标签分配极大地恶化了微小物体的正样本，我们首先提出了一种基于中心区域（CR）的标签分配，以在区域建议网络（RPN）中替换它。CR标签分配将落入地面真值框CR中的锚点视为阳性样本，这为微小物体提供了更多的阳性样本。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值