.png){kind=icon}
返回
OAPR: An Offset-Aware Progressive Regression Object Detector
.png){kind=icon}
PRE
AI
DOI：10.1109/TCSVT.2025.3546309.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目标检测通常涉及两个主要组件：分类和回归。尽管近期精炼定位工作的表现令人印象深刻，但由于当前多步回归策略的局限性以及任务错位问题，仍有改进空间。为克服这些挑战，我们提出了一种新颖的偏移感知渐进回归检测器（OAPR），其包含偏移感知头和渐进回归预测器。首先，我们开发了一个集成我们创新式即插即用偏移感知模块的头网络。通过利用一个任务的偏移量来指导另一个任务的特征学习，我们直观地实现了任务对齐以解决特征错位问题。随后，我们采用渐进回归预测器来定位目标。在第一步回归中，目标是识别目标内的某个区域，而非目标本身。接着通过第二步回归精确定位目标。在MS COCO数据集上进行的广泛实验表明，与近期采用不同骨干网络的最新顶级检测器（包括ATSS（~3.0 AP）、GFL（~2.0 AP）、BorderDet（~2.0 AP）和VFNet（~1.0 AP））相比，我们的OAPR性能更优。我们的代码将予以发布。
Keyword:
Object detection
offset-aware head
progressive regression predictor
期刊
IF:
11.1
论文数:
846
被引数:
3.1W
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Bridging the Gap Between Anchor-Based and Anchor-Free Detection via Adaptive Training Sample Selection通过自适应训练样本选择弥合基于锚点和无锚检测之间的差距OAAI
OAAI分享收藏
查看更多内容