.png){kind=icon}
返回
Spatial-Aware Product Detection
.png){kind=icon}
PRE
AI
DOI：10.1109/tcsvt.2026.3730788.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于密集摆放、尺寸较小和外观相似等因素，零售货架上产品的精确检测仍然是一个重大挑战。为解决这些挑战，现有方法大多直接使用先进检测器，或仅专注于改进特征提取过程中的特征表示能力。然而，这些方法忽略了货架上产品的空间特性，即同一类别或具有相似属性的商品通常聚集在一起并呈现相似尺度，导致性能欠佳。在本文中，我们提出了一种新型产品检测器SAPDet，以更好地学习货架商品的空間分布特性。具体而言，采用混合信息捕获（HIC）模块，整合1) 通过聚类获取的产品分布信息和2) 通过FPN后的高频增强获得的产品结构信息。我们将这些信息在所提出的双流注意力机制中表述为视觉标记，以增强特征的空间表示。在HIC模块之后，基于注意力的迭代回归（AIR）利用交叉注意力机制，将上述信息进一步整合到特征图中，并通过精确的偏移校正细化边界框预测。这些设计有效促进了产品空间特性的学习，并提升了货架场景下检测器的性能。实验结果证明了SAPDet在公开数据集上优于当前最优模型。在最具挑战性的Unitail数据集上，SAPDet实现了4.1%的AP提升。我们的代码将很快发布。
Keyword:
Object detection
Spatial information
Product detection
期刊
IF:
11.1
论文数:
865
被引数:
3.1W
机构
引用论文
暂无论文信息