.png){kind=icon}
返回
Detecting Every Object From Events
.png){kind=icon}
OA
AI
DOI：10.1109/TPAMI.2025.3565102.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目标检测在自动驾驶中至关重要，而对未知类别的物体进行定位则更具实用性和挑战性：这一努力被称为无类别目标检测（CAOD）。现有的CAOD研究主要依赖RGB相机，但这些基于帧的传感器通常具有高延迟和有限的动态范围，导致在快速移动物体、过曝和黑暗等极端条件下存在安全隐患。本研究转向事件视觉，其特点是亚毫秒延迟和高动态范围，以实现鲁棒的无类别目标检测。我们提出了在事件中检测每个对象（DEOE），一种旨在实现高速无类别目标检测的事件视觉方法。基于快速事件骨干网络：循环视觉Transformer，我们联合考虑空间和时间一致性来识别潜在对象。发现的潜在对象被同化为软正样本，以避免被抑制为背景。此外，我们引入了一个解耦的对象头，以分离前景-背景分类和新对象发现任务，在保持强大的背景过滤能力的同时，增强了模型对新对象的定位泛化能力。广泛的实验证实了我们提出的DEOE在开放集和封闭集设置中的优越性，优于强大的基线方法。
Keyword:
Class-agnostic object detection
high-speed detection
event camera
autonomous driving
期刊
IF:
18.6
论文数:
1.1K
被引数:
9.8W
机构
引用论文
分享收藏Comparison of Values of Pearson's and Spearman's Correlation Coefficients on the Same Sets of Data.png)
QUAGEO
OAAI
QUAGEOIF0
OAAI分享收藏
查看更多内容