Non-Maximum Suppression
PulseAugur coverage of Non-Maximum Suppression — every cluster mentioning Non-Maximum Suppression across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
YOLO vs RT-DETR：行人跟踪性能对比
一篇新的研究论文评估了在拥挤场景下，各种目标检测架构和跟踪算法在多行人跟踪方面的性能。该研究在MOT17、MOT20和SOMPT22基准上，比较了YOLO11、RT-DETR和YOLO26检测器系列与ByteTrack和BoT-SORT跟踪器。在MOT20上，RT-DETR展现了卓越的跟踪质量；而在MOT17和SOMPT22上，YOLO26系列在速度和质量之间提供了更好的平衡。研究还发现，对于YOLO26，端到端推理并未比传统的非极大…
-
新的OCR方法提高了手写孟加拉语文本的识别率 · 跟踪2个来源
研究人员开发了专门针对手写孟加拉语文本的光学字符识别（OCR）新方法。一项研究侧重于使用SSD与MobileNetV2以及Faster R-CNN与InceptionResNetV2等深度学习模型进行单词识别，使用集成模型达到了92.61%的F1分数。第二项研究解决了从转录的孟加拉语段落中进行与颜色无关的单词分割问题，报告了91.20%的F1分数，并强调了其在智能手机拍摄图像上的适用性。
-
SetMIR 将多兴趣检索视为集合预测，提升 Snap 的广告效果
研究人员开发了 SetMIR，一种将多兴趣检索问题视为集合预测任务的新颖方法。该方法利用 Transformer 编码用户历史记录和 K 个可学习的查询来解码不同的用户兴趣，每个兴趣都有一个存在分数。SetMIR 通过在训练期间使用 Hungarian 匹配，并在服务时使用存在分数和非极大值抑制 (NMS) 来优化查询发布，从而解决了兴趣坍塌和静态分派等问题。在 Snap 的动态产品广告数据上进行测试时，SetMIR 的性能优于现有的…
-
新型攻击针对事件驱动型SNN，延迟增加38%
研究人员开发了一种名为事件突发触发器（EBT）的新型可用性后门攻击，专门针对用于目标检测的事件驱动型脉冲神经网络（SNN）。该攻击将触发器注入训练数据中，在推理过程中导致时间上集中的事件流，显著增加了非极大值抑制（NMS）等后处理阶段的计算负载。虽然EBT在很大程度上保持了检测精度，但可能将NMS延迟最多增加38%，从而可能成为瓶颈。该攻击还会微妙地提高边缘平台的资源利用率，而不会出现明显的峰值，并且STRIP等标准检测方法难以识别它。