CVPR 2020 目標檢測論文精選

2021-01-10 雷鋒網

字幕組雙語原文：CVPR 2020 目標檢測論文精選

英語原文：CVPR 2020: The Top Object Detection Papers

翻譯：雷鋒字幕組（李珺毅、沫年惜雪）

一、基於在點雲上的3D目標檢測的分層圖形網絡

原文標題：A Hierarchical Graph Network for 3D Object Detection on Point Clouds

這篇論文提出了一種基於圖卷積(gconv)的三維目標檢測層次圖網絡(hgnet)。這個網絡通過處理原始點雲，直接預測目標的3 d邊界框。對於檢測目標，HGNet能夠捕捉這些點之間的關係並且使用多層次語義。

HGNet包含三個主要組件:

一個基於U型圖卷積的網絡（gu-net）一個方案生成器一個方案推理模塊(ProRe Module) ----使用一個全連接層圖表來推理方案

作者提出一個注意形態的圖卷積 (SA-GConv)去捕捉原始的形狀特徵。這是通過建立模型的相對幾何位置來描述物體的形狀。

SA-GConv 基於u型網絡捕捉多層次特徵。然後映射到相同的特徵空間的投票模塊並且用於生成建議。在下一步中,GConv基於建議推理模塊，利用方案來預測邊框。

這裡是在sun rgb-d v1數據集上獲得的一些性能結果。

二、HVNET：基於雷射雷達的3D目標檢測的混合體素網絡

原文標題：HVNet: Hybrid Voxel Network for LiDAR Based 3D Object Detection

這篇文章中使用的體素特徵編碼（VFE）包含3步：

體素化——將點雲分配給2D體素網絡體素特徵提取——計算和網絡相關的點的特徵，饋送到PointNet樣式的功能編碼器投影——將逐點特徵聚合到體素級特徵並投影到其原始網格。這就形成了一個偽圖像特徵映射

體素的大小在VFE方法中非常重要。較小的體素尺寸可以捕獲更精細的幾何特徵。它們也更擅長對象本地化，但推理時間更長。使用較粗的體素可以獲得更快的推理速度，因為這會導致較小的特徵圖。但是，它的性能較差。

作者提出了混合體素網絡（HVNet），以實現細粒度體素功能的利用。它由三個步驟組成：

多尺度體素化-創建一組特徵體素尺度並將它們分配給多個體素。混合體素特徵提取-計算每個比例的體素相關特徵，並將其輸入到關注特徵編碼器（AVFE）中。每個體素比例尺上的要素都是逐點連接的。動態要素投影-通過創建一組多比例項目體素將要素投影回偽圖像。

這是在KITTI數據集上的實驗結果

三、Point-GNN:用於3D目標檢測的點雲圖神經網絡

原文標題：Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud

本文作者提供了圖神將網絡---Point-GNN---在LiDAR點雲中檢測物體。該網絡預測了圖中每個頂點所屬對象的類別和形狀。Point-GNN有一個自動回歸機制，可以在一個輸入中檢測多個對象。

該方法由三個部分組成：

圖構造:使用體素下採樣點雲進行圖構造一種T迭代的圖形神經網絡邊界框合併和得分

以下是在KITTI數據集上獲得的結果：

代碼：WeijingShi/Point-GNN

四、偽裝目標檢測

原文標題：Camouflaged Object Detection

本文針對偽裝對象檢測(COD)所面臨的挑戰，對嵌入在其周圍環境中的目標進行檢測。作者還提供了一個名為COD10K的新數據集。它包含10,000張圖片，覆蓋了許多自然場景中偽裝的物體。它具有78個對象類別。 圖像帶有類別標籤，邊界框，實例級別和消光級別的標籤。

作者開發了一個稱為搜索識別網絡(SINet)的COD框架。代碼可以在這裡找到：DengPingFan/SINet

該網絡有兩個主要模塊：

用於搜尋偽裝物體的搜索模塊識別模塊(IM)用於檢測對象

以下是在各個數據集上得到的結果：

五、基於注意力- RPN和多關係檢測器的少目目標檢測

原文標題：Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector

本文提出了一種少鏡頭目標檢測網絡，其目標是檢測含有少量注釋示例的不可見類別目標。

他們的方法包括注意力- RPN、多關係檢測器和對比訓練策略。該方法利用少鏡頭支持集和查詢集之間的相似性來識別新對象，同時減少了誤識別。作者還提供了一個包含1000個類別的新數據集，其中的對象具有高質量的注釋。

fanq15/Few-Shot-Object-Detection-Dataset

該網絡體系結構由一個具有多個分支的權重共享框架組成，一個分支是查詢集，其他分支是支持集。權重共享框架的查詢分支是一個更快的R-CNN網絡。

介紹了一種帶有多關係模塊的注意- rpn和檢測器，用於在支持和查詢中可能出現的框之間精確解析。

下面是在ImageNet數據集上獲得的一些結果。

以下是一些在一些數據集上獲得的觀察結果。

六、D2Det:面向高質量的對象檢測和實例分割

原文標題：D2Det: Towards High-Quality Object Detection and Instance Segmentation

本文作者提出了D2Det，一種既能精確定位又能精確分類的方法。他們引入了一個稠密的局部回歸來預測一個目標建議區域的多個稠密盒偏移量。這使他們能夠實現精確的定位。

為了實現準確的分類，本文還引入了一種有區別的RoI pooling方案。pooling方案從該方案的多個子區域中抽取樣本，並進行自適應加權以獲得識別特徵。

代碼：JialeCao001/D2Det

該方法基於標準的Faster R-CNN框架。在該方法中，傳統的Faster R-CNN的盒偏置回歸被提出的密集局部回歸所代替。在該方法中，通過區分性的RoI pooling來增強分類能力。

在兩階段方法中，第一階段使用區域建議網絡(RPN)，第二階段使用單獨的分類和回歸分支。分類分支是基於區分池的。局部回歸分支的目標是對象的精確定位。

以下是MS COCO數據集的結果:

思考

CVPR 2020提供了更多關於目標檢測和其他計算機視覺任務的探索和思考，如果您想進一步研究，這裡的開源倉庫包含所有的會議論文。

CVPR 2020 Open Access Repository

雷鋒字幕組是一個由 AI 愛好者組成的翻譯團隊，匯聚五百多位志願者的力量，分享最新的海外AI資訊，交流關於人工智慧技術領域的行業變革與技術創新的見解。

團隊成員有大數據專家、算法工程師、圖像處理工程師、產品經理、產品運營、IT諮詢人、在校師生；志願者們來自IBM、AVL、Adobe、阿里、百度等知名企業，北大、清華、港大、中科院、南卡羅萊納大學、早稻田大學等海內外高校研究所。

如果，你也是位熱愛分享的AI愛好者。歡迎與雷鋒字幕組一起，學習新知，分享成長。

雷鋒網雷鋒網

相關焦點

  • 做目標檢測,這6篇就夠了:CVPR 2020目標檢測論文盤點
    CVPR 2020 會議上，有哪些目標檢測論文值得關注？目標檢測是計算機視覺中的經典問題之一。憑藉大量可用數據、更快的 GPU 和更好的算法，現在我們可以輕鬆訓練計算機以高精度檢測出圖像中的多個對象。前不久結束的 CVPR 2020 會議在推動目標檢測領域發展方面做出了一些貢獻，本文就為大家推薦其中 6 篇有價值的目標檢測論文。
  • CVPR 2020目標檢測論文精選！CV必讀系列
    本文為學習筆記參與：王博kings，Sophia最近結束的CVPR 2020在推動物體檢測方面做出了巨大貢獻。在本文中，我們將介紹一些特別令人印象深刻的論文。1、A Hierarchical Graph Network for 3D Object Detection on Point Clouds（用於點雲3D目標檢測的分層圖網絡）HGNet包含三個主要組件：基於GConv的U形網絡（GU-net）提案生成者提案推理模塊
  • CVPR2020|行人檢測與重識算法推薦論文源碼大盤點
    本文收集了CVPR 2020 一些行人檢測與人員重識別優秀論文，我們知道在視頻監控相關領域這些技術方向可以得到很好得廣泛應用。相關論文1.Detection in Crowded Scenes: One Proposal, Multiple Predictions曠視研究院提出密集場景檢測新方法:一個候選框,多個預測結果
  • CVPR 2020 |基用於3D目標檢測的層級圖網絡
    論文：A Hierarchical Graph Network for 3D Object Detection on Point Clouds論文地址：https://www.aminer.cn/pub/5eccb534e06a4c1b26a834c7?
  • CVPR2020|3D目標檢測算法推薦論文源碼大盤點
    本文收集了CVPR 2020 關於目標檢測相關論文和算法，自動駕駛依然熱門，所以帶動著3D目標檢測論文居多，當然2D目標檢測依舊熱門，神經架構搜索也開始在應用與目標檢測,樣本少和跨域的研究也是非常值得關注研究。
  • CVPR最有趣的5篇論文,不容錯過!內含最佳學生論文! | CVPR2017
    我們精選其中 5 篇論文，帶大家概覽國際學術界在動作識別、計算呈像、視覺跟蹤、時間定位、圖像資料庫方面的創新成果，除了論文下載、項目地址等資源連結，還有即將呈現在大會現場口頭報告的視頻，讓大家先睹為快。 1.
  • 300篇 CVPR 2019 Oral 論文精選匯總,值得一看的 CV 論文都在這裡
    CVPR 2019 Oral 論文精選PDF下載地址：https://ai.yanxishe.com/page/resourceDetail/819CVPR 2019 全部論文PDF合集下載地址：https://ai.yanxishe.com/page/resourceDetail
  • NeurIPS 2020最佳論文;全卷積網絡實現E2E目標檢測
    機器之心 & ArXiv Weekly Radiostation參與：杜偉、楚航、羅若天本周的重要研究包括 NeurIPS 2020最佳論文以及拋棄 Transformer 使用全卷積網絡來實現端到端目標檢測的探索。
  • 22篇入選CVPR 2020,百度 15 篇精選論文詳解
    2、目標檢測&跟蹤論文：Associate-3Ddet: Perceptual-to-Conceptual association for 3D Point Cloud Object Detection
  • ECCV 2020論文大盤點-3D目標檢測篇
    重磅乾貨，第一時間送達 隨著自動駕駛的火熱，3D目標檢測在計算機視覺領域持續升溫，學術和工業界都有眾多研究學者，這其中基於點雲數據的3D目標檢測是主流，近年來基於單目RGB數據的也越來越多了。本部分總計 21 篇，1篇spotlight，8篇開源。
  • CVPR 2020 Oral | 廈大、深度賦智提出指向性目標的實時聯合檢測...
    機器之心機器之心發布機器之心編輯部上個月，計算機視覺頂會 CVPR 2020 接收論文結果已經正式公布。在 6656 篇有效投稿中，最終有 1470 篇論文被接收，錄取率約為 22%。
  • CVPR 2020 | 商湯提出 Anchor-free 目標檢測新網絡
    本文介紹的是CVPR2020論文《CentripetalNet: Pursuing High-quality Keypoint Pairs for Object Detection》，作者來自商湯 。
  • 投稿量激增56%,CVPR 2019接收論文的關鍵詞是什麼?
    本屆 CVPR 大會共收到 5165 篇有效提交論文，比去年增加了 56%。大會接收了其中的 1300 篇，接收率約為 25.1%。近日，一個 GitHub 項目對本屆大會的論文接收情況、關鍵詞等相關信息進行了可視化分析，也許能為我們提供有關計算機視覺熱門研究方向的洞見。
  • 曠世提出類別正則化的域自適應目標檢測模型 | CVPR 2020
    ：https://arxiv.org/pdf/2003.09152.pdf論文代碼：https://github.com/Megvii-Nanjing/CR-DA-DETIntroduction  由於標註成本大，在訓練好檢測算法後
  • 多目標追蹤最新頂會論文集錦「ICML2020」【CVPR2020】
    【回復文章名字前面的編號 獲取論文pdf及項目源碼雲盤連結】cv02:實現實時多目標跟蹤cv03:基於不相交路徑消除的多目標跟蹤cv04:僅僅欺騙檢測是不夠的:對抗多目標跟蹤的攻擊cv05:學習多目標跟蹤的神經求解器cv06:如何訓練你的深度多目標跟蹤器
  • CVPR2020Oral|廈大、深度賦智提指向性目標實時聯合檢測分割網絡
    機器之心發布機器之心編輯部上個月，計算機視覺頂會 CVPR 2020 接收論文結果已經正式公布。在 6656 篇有效投稿中，最終有 1470 篇論文被接收，錄取率約為 22%。廈門大學媒體分析與計算實驗室共有 11 篇論文接受，其中兩篇為 Oral。本文將介紹一篇CVPR 2020 Oral 論文，作者來自廈門大學、深度賦智和西安電子科技大，其提出的單階段協同學習網絡在目標檢測和目標分割任務中均實現了新的SOTA性能。
  • 華科Oral論文:點雲中3D目標檢測的魯棒性
    不久之前，大會官方公布了今年的論文收錄信息：收到 8800 篇提交論文，評審了 7737 篇，接收 1591 篇，接收率 20.6%。 為向讀者們分享更多的優質內容、促進學術交流，在 AAAI 2020 開幕之前，機器之心將策劃多期線上分享。
  • CVPR 2020論文開源項目一頁看盡,附代碼論文
    十三 發自 凹非寺量子位 報導 | 公眾號 QbitAICVPR 2020中選論文放榜後，最新開源項目合集也來了。本文便基於此GitHub項目，對中選CVPR 2020論文的開源項目做了整理，主要內容如下：目標檢測論文題目：Bridging the Gap Between Anchor-based and Anchor-free Detection
  • CVPR 2019錄取結果公布,7篇新鮮好文推薦
    接收論文列表連結如下： http://cvpr2019.thecvf.com/files/cvpr_2019_final_accept_list.txt https://docs.google.com
  • CVPR 2019論文接收結果公布,你上榜了嗎?
    例如 NeurIPS 2018 的參會人數超過了 8000 人次、AAAI 2019 的論文摘要提交達到 7745 篇, 創下新紀錄。CVPR 作為計算機視覺領域的頂級學術會議，今年共收到了 5165 篇有效提交論文，比去年 CVPR2018 增加了 56%。不久之前，CVPR 2019 官網放出了最終的論文接收結果。據統計，本屆大會共接收了 1300 論文，接收率接近 25.2%。