.png){kind=icon}
返回
Intra-Inter Perspective: An Efficient Network for Logo Detection
.png){kind=icon}
PRE
AI
DOI：10.1109/TIM.2025.3644558.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
Logo检测在广告营销、安全监控、制造业和品牌保护等多个领域至关重要。然而，在复杂环境中准确检测Logo面临显著挑战，原因包括普遍的遮挡、旋转和尺度变化等问题。为解决这些问题，我们开发了一种高效的Logo检测网络，以增强复杂环境中的Logo显著性。我们的方法采用类内-类间强化机制，通过利用图像细节和可学习的额外引导向量生成更有效的特征提案，以优化前景与背景的对比度。此外，我们将分类与回归任务解耦以最小化干扰。在回归分支中，我们通过关注ROI（感兴趣区域）内部及ROI之间的关联，战略性地调整ROI的权重，从而有效突出回归目标。在三个广泛使用的Logo数据集上进行的广泛实验表明，我们提出的网络具有良好的有效性。源代码、训练模型及补充材料可在https://github.com/housujuan123/IIP上公开获取。
Keyword:
Decoupling
feature enhancement
logo detection
object detection
weighting
期刊
IF:
5.9
论文数:
1.9W
被引数:
5.8W
机构
引用论文
.png){kind=icon}
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
OAAI分享收藏
查看更多内容