IoU-aware的目标检测,显著提高定位精度
点击我爱计算机视觉标星,更快获取CVML新技术
今天新出的一篇论文IoU-aware Single-stage Object Detector for Accurate Localization,提出一种非常简单的目标检测定位改进方法,通过预测目标候选包围框与真实目标标注的IoU(交并比),并基于此与分类分数的乘积作为检测置信度,用于NMS(非极大抑制)和COCO AP计算,显著提高了目标检测的定位精度。
该文作者信息:
作者均来自华中科技大学。
在目标检测问题中,模型需要输出目标分类分数和与其对应的目标定位的包围框,在以往的模型中,经常使用分类分数作为目标定位准不准的置信度,并基于此对大量候选目标包围框NMS,现在越来越多的工作发现,分类分数高并不能保证定位精度高。
比如:
Softer-NMS:CMU&旷视最新论文提出定位更加精确的目标检测算法
作者认为IoU是直接反应定位准不准的直接指标,可以在目标检测模型的分类和定位任务的基础上添加IoU预测的任务,可以在一定程度上反应定位置信度。
作者是在著明的一阶段目标检测算法RetinaNet基础上做的改进,如下图:
在包围框回归分支添加一个并行的预测IoU的任务。
相关的损失函数数学描述:
作者将分类分数和预测得到的IoU相乘,这个指标既反应了是不是这个目标,又反应了该位置和真实目标的可能的交并比,认为它是更加精确的检测置信度:
公式中参数 α 用于控制两者的贡献大小。
实验结果
作者在COCO test-dev上与其他State-of-the-art算法的结果比较:
可见,相比于基线RetinaNet,取得了显著的AP提升,提升在1.0%∼1.6%之间。
在PASCAL VOC数据集上与RetinaNet的比较结果:
同样取得了显著的AP提升,AP 提升在1.1%∼2.2%之间。
这篇文章尽管思路比较简单,但改进还是明显的,希望对其他目标检测算法也有效,期待有更多实验结果出来。
论文地址:
https://arxiv.org/pdf/1912.05992.pdf
作者称代码将开源,不过还没公布地址。
在我爱计算机视觉公众号后台回复“IoU检测”,即可收到论文下载地址。
推荐阅读:
RefineDetLite:腾讯提出轻量级高精度目标检测网络
EfficientDet:COCO 51.0 mAP!谷歌大脑提出目标检测新标杆
目标检测交流群
关注最新最前沿的2D、3D目标检测技术,扫码添加CV君拉你入群,(如已为CV君其他账号好友请直接私信)
(请务必注明:目标检测)
喜欢在QQ交流的童鞋,可以加52CV官方QQ群:805388940。
(不会时时在线,如果没能及时通过验证还请见谅)
长按关注我爱计算机视觉
IoU-aware的目标检测,显著提高定位精度相关推荐
- Grid R-CNN解读:商汤最新目标检测算法,定位精度超越Faster R-CNN
作者 | 周强 来源 | 我爱计算机视觉 Grid R-CNN是商汤科技最新发表于arXiv的一篇目标检测的论文,对Faster R-CNN架构的目标坐标回归部分进行了替换,取得了更加精确的定位精度, ...
- 目标检测比赛提高mAP的方法
数据预处理 分析数据集中标注框的性质 主要是分析bbox的area和高宽比的分布,根据area和aspect_ratio来设置anchor generator的参数. 另外,当aspect ratio ...
- 目标检测回归损失函数——IOU、GIOU、DIOU、CIOU、EIOU
一.IOU Loss 上一篇文章提到L1,L2及其变种只将Bounding box的四个角点分别求loss然后相加,没有引入box四个顶点之间的相关性并且模型在训练过程中更偏向于尺寸更大的物体.在此基 ...
- 精度45.9%,推理速度72.9FPS,百度飞桨推出工业级目标检测模型 PP-YOLO
允中 发自 凹非寺 量子位 编辑 | 公众号 QbitAI 工业视觉.自动驾驶.安防.新零售等我们身边熟知的各行各业都需要目标检测技术,由于其很好的平衡了标注成本.检测精度和速度等,成为当前智能制造产 ...
- 深度学习论文阅读目标检测篇(三):Faster R-CNN《 Towards Real-Time Object Detection with Region Proposal Networks》
深度学习论文阅读目标检测篇(三):Faster R-CNN< Towards Real-Time Object Detection with Region Proposal Networks&g ...
- 目标检测经典论文——Faster R-CNN论文翻译:Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Net
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks Faster R-CNN:通过Region ...
- 深度学习目标检测方法综述
参考:https://blog.csdn.net/Standing_On_Giant/article/details/60333329 参考:https://blog.csdn.net/xiaohu2 ...
- 目标检测经典论文——Faster R-CNN论文翻译(纯中文版):Faster R-CNN:通过Region Proposal网络实现实时目标检测
目标检测经典论文翻译汇总:[翻译汇总] 翻译pdf文件下载:[下载地址] 此版为纯中文版,中英文对照版请稳步:[Faster R-CNN中英文对照版] Faster R-CNN:通过Region Pr ...
- 2022目标检测综述
目录 0.引言 1.背景 1.1.问题描述 1.2.目标检测的核心问题 1.3.目标检测中的关键挑战 2.关于损失函数 3.关于IOU 4.数据集以及评价指标 4.1.评价指标 4.2.数据集 5.目 ...
- 小目标检测的增强算法
小目标检测的增强算法 Augmentation for small object detection 摘要 近年来,目标检测取得了令人瞩目的进展.尽管有了这些改进,但在检测小目标和大目标之间的性能仍有 ...
最新文章
- sql列转行函数oracle,SQL列转行
- ha-2:read-project-properties (default) on project
- java checked异常有那些,java checked exceptions
- python word转txt_Python办公自动化| word 表格转excel
- P2转P3时出现‘utf-8‘ codec can‘t decode byte 0xb3 in position 0: invalid start byte(\x、decode解码)
- 《101 Windows Phone 7 Apps》读书笔记-ALARM CLOCK
- matlab ds18b20 单片机,基于51单片机ds18b20温度检测————设计报告.doc
- java泛型,“参数化参数”的基本理解
- linux救援模式使用yum,linux学习笔记-第二课-yum,救援模式,单用户模式,运行级别...
- 极客大学产品经理训练营:数据分析 第16课总结
- 51单片机学习——1天学完普中基本实验例程,走马观花式学习,大家切勿效仿。
- Win10正式版激活方法有哪些?如何激活Win10?
- 【dp】【斜率优化】土地购买
- android 减小apk大小,Android Studio如何减小APK体积
- 关于win10桌面图标位置错乱的原因及解决办法
- MAC电脑制作iPhone手机铃声
- 课件动画做的牛不牛,看你有它没它!
- SpringMVC常用方法大全
- Ever-Flowers IN Never-Dream(19)
- 【ACM- OJ】《Oulipo》C++
热门文章
- Spring JDBC开发
- 【编撰】linux IPC 001 - 概述
- linux php pdo server,linux服务器用PHP的PDO链接myql方法(php pdo)
- python爬取网上租房信息_Python爬虫入门 | 5 爬取小猪短租租房信息
- 客服机器人代码_电脑问题不会解决?小白智能客服来帮你!
- ue4光追降噪_【魔改UE4】后记_焦散效果总结
- cesium坡度坡向分析_综合分析地理空间,科学规划乡村区域
- android 页面icon拉伸_所有同学!注意咯!!设计师不可忽略的页面转场来咯!!...
- 西门子plm_西门子PLM副总裁:NX,智能的CAD平台
- deny后加to do还是doing_become to do还是doing