.png){kind=icon}
返回
A weakly-supervised oriented object detector : Knowledge-based dropblock and unified regression network
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2025.107830.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 我们提出了一种基于知识的DropBlock和统一回归网络（KDUNet），该网络基于水平标注，提升了弱监督网络的全局信息提取和精确定位能力。
• 我们设计了一个大视野背景注意力模块，用于在基于知识的DropBlock（KBD）中细化特征图。这有助于选择性隐藏物体身份部分并突出整体物体区域。
• 我们开发了一种全面的明确统一项目（UUP）机制，用于RBox和HBox之间，该机制解决了不同空间变换引入的潜在歧义。
期刊
IF:
6.3
论文数:
8.2K
被引数:
3.0W
机构
暂无机构信息
引用论文
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks更快的r-cnn: 基于区域建议网络的实时目标检测
OAAI
.png){kind=icon}
OAAI分享收藏SCRDet: Towards More Robust Detection for Small, Cluttered and Rotated ObjectsSCRDet: 对小型、杂乱和旋转的物体进行更稳健的检测OAAI
OAAI分享收藏Progressive Contextual Instance Refinement for Weakly Supervised Object Detection in Remote Sensing Images用于遥感图像中弱监督目标检测的渐进式上下文实例细化
PREAI
分享收藏分享收藏Remote Sensing Object Detection Meets Deep Learning: A metareview of challenges and advances遥感目标检测与深度学习: 挑战与进展的元综述
OAAI
OAAI分享收藏Oriented Object Detection For Remote Sensing Images Based On Weakly Supervised Learning基于弱监督学习的遥感图像目标检测
PREAI
分享收藏
查看更多内容