PulseAugur
中
实时 19:21:41
实体 object detection

object detection

PulseAugur coverage of object detection — every cluster mentioning object detection across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
11
90 天内 42
发布 · 30天
0
90 天内 0
论文 · 30天
10
90 天内 38
层级分布 · 90 天
主题
关系
情绪 · 30 天

5 天有情绪数据

最近 · 第 1/3 页 · 共 43 条
  1. TOOL · CL_366497 ·

    新的“I2I Backdoor”漏洞针对图像到图像深度学习模型

    研究人员发现了一种基于深度学习的图像到图像(I2I)网络中的新型安全漏洞,称为“I2I Backdoor”。这种攻击允许被破坏的I2I网络在干净的输入上正常运行,但在存在隐藏触发器时产生特定的、不当的输出。研究人员开发了一种使用通用对抗性扰动(UAPs)作为触发器的方法,并在训练期间采用多任务学习来提高攻击的有效性。此外,他们证明了这种I2I后门可以通过欺骗处理带有后门图像的模型来扩展到损害下游任务,如图像分类和对象检测。

  2. RESEARCH · CL_364378 ·

    新研究通过令牌高效和跨视图方法推进视觉基础

    两篇新研究论文介绍了视觉基础的新方法,这项任务涉及根据文本描述识别图像中的特定对象或区域。第一篇论文“SemGeo”提出了一个令牌高效的框架,该框架为每个实例使用单个网格令牌进行粗略定位,然后使用几何解码器并行精确恢复坐标。该方法在多个基准测试中取得了最先进的结果,并提高了生成吞吐量。第二篇论文“Grounding Across Views”通过开发一个视图感知框架来解决跨视图对象地理定位问题,该框架构建以目标为中心的证据和区分性的跨…

  3. TOOL · CL_342449 ·

    Bg-Mix 数据增强技术提升电子显微镜图像中的物体检测性能

    研究人员开发了一种名为 Bg-Mix 的新型数据增强技术,旨在改进电子显微镜图像的物体检测模型。该方法将前景物体与其背景分离,然后重新组合以创建新的训练数据,解决了病毒学等领域常见的小型数据集问题。Bg-Mix 已被证明在不同数据集和架构上将物体检测性能提高了多达 3.3 mAP 点,从而显示出其有效性。

  4. TOOL · CL_336534 ·

    新框架增强了机器和人类视觉的图像压缩效果

    研究人员开发了一个名为IGDA-ICMH的新图像压缩框架,该框架专门设计用于同时提升机器视觉和人类视觉任务的性能。该框架通过量化分析不同特征和网络层对机器视觉性能的影响,解决了它们贡献不均的问题。IGDA-ICMH框架利用隐式神经表示,并包含特征和网络权重自适应模块,实验结果表明其在图像分类和目标检测方面优于现有方法。

  5. COMMENTARY · CL_327920 ·

    Mastodon 上讨论的 AI 和软件开发主题 · 已跟踪 5 个来源

    来自 Mastodon 的 fosstodon.org 社区的一系列帖子重点介绍了各种 AI 和软件开发主题。这些主题包括关于管理 AI 代理重试的讨论、用于代码恢复的名为 Gemma 的本地 AI 模型、AI 检测工具的局限性、将计算机视觉应用于台球的理解,以及一个名为 OpenProspect 的开源工具,用于外展活动。

  6. TOOL · CL_327452 ·

    新框架增强机器人在黑暗中的视觉能力,利用红外技术

    研究人员开发了CLEAR-IR,一个旨在通过主动重建红外图像来改善机器人在黑暗环境中感知能力的新框架。该系统通过创建清晰的、RGB风格的图像,解决了标准红外扫描方法常被发射器模式遮挡的局限性。CLEAR-IR的双流架构,灵感来自DeepMAO,使得现有的RGB训练视觉管道即使在完全黑暗的环境下也能有效运行,在挑战性条件下表现优于被动RGB增强方法。

  7. TOOL · CL_315386 ·

    新框架使用开放词汇模型进行高效、不确定性感知目标检测标注

    研究人员开发了一种半监督框架,以减少目标检测数据集所需的手动标注工作量。该方法利用开放词汇模型生成对象表示,然后采用基于图的标签传播算法为未标记的对象分配软标签。该框架量化了偶然不确定性和认知不确定性,在COCO等基准上的评估表明,在该半自动标注数据上训练的检测器,其性能与在完全手动标注数据上训练的检测器相当,而成本却大大降低。

  8. TOOL · CL_315372 ·

    新的FogTTA框架提升了雾天中Transformer目标检测性能

    研究人员开发了FogTTA,一种新颖的在线测试时自适应框架,用于增强基于Transformer的目标检测模型在雾天条件下的性能。该框架应用于RF-DETR模型,无需源数据或重新训练即可实时适应雾天环境。FogTTA采用师生设计,其中部署的模型生成伪标签,然后由学生模型通过使用Varifocal损失从增强的目标样本中学习来优化这些伪标签。实验结果表明,FogTTA在保持实时性能的同时显著提高了检测准确性和稳定性,优于现有方法。

  9. RESEARCH · CL_307571 ·

    SpikeQ框架增强了用于神经形态芯片的SNN量化

    研究人员开发了SpikeQ,一种用于脉冲神经网络(SNN)训练后量化的新颖框架。与专注于最小化均方误差的传统方法不同,SpikeQ通过模拟下游神经元行为和最小化脉冲误差来指导量化。这种方法对于神经形态芯片上的SNN至关重要,因为有限的内存需要低比特的突触权重和膜电位。SpikeQ在准确性和效率方面显示出显著的改进,尤其是在低比特电位方面,在图像分类、语义分割和目标检测的基准测试中优于现有方法。

  10. TOOL · CL_301338 ·

    新的最优传输度量增强了目标检测标注一致性分析

    一篇新论文提出了一种基于最优传输(OT)的度量方法来量化目标检测标注中的一致性。该方法通过考虑边界框重叠和类别标签的渐进成本,而不是简单的二值化,提供了比传统度量更细致的评估。研究表明,OT能够更好地区分标注对之间的细微差别,尤其是在包含小型或模糊对象的领域,从而实现更可靠的模型验证。

  11. TOOL · CL_294765 ·

    新的人工智能管道利用生成式增强技术提高测试数据覆盖率

    研究人员开发了一种新颖的三阶段管道,以解决人工智能模型测试和评估中的语义覆盖率差距。该方法利用视觉语言模型进行零样本标注和嵌入空间聚类,以识别代表性不足的语义因素。然后,基于扩散的模型生成合成图像来填补这些空白,从而在不重新训练模型的情况下增强测试数据集的多样性。该方法已在图像分类和目标检测任务上得到验证,通过更好地反映模型在各种条件下的性能,证明了评估精度的提高。

  12. RESEARCH · CL_273527 ·

    AI研究探索用于目标检测和视频合成检测的合成数据

    两篇新的arXiv论文探讨了AI检测和泛化方面的进展。第一篇论文回顾了目标检测的域泛化,强调了合成数据作为赋能者和探针的作用,并讨论了合成到真实的差距。第二篇论文介绍了一种使用首位数字梯度统计的可泛化、可解释的合成视频检测框架,该框架无需依赖生成器特定特征即可深入了解其检测机制。

  13. TOOL · CL_231738 ·

    Spiking Patches 标记化将事件相机效率提升 10 倍

    研究人员开发了一种名为 Spiking Patches 的新方法来处理事件相机的数据,事件相机捕获异步稀疏的视觉信息。这种新颖的标记化技术保留了事件相机的独特性质,而之前的基于帧或体素的方法则无法做到。实验表明,Spiking Patches 与图神经网络 (GNNs)、PCN 和 Transformers 结合使用时,在手势识别和物体检测等任务中可以达到相当或甚至更优的准确性,同时将推理时间显著缩短高达 10.4 倍。

  14. TOOL · CL_229500 ·

    新框架 ReVISE 增强 MLLM 在视觉任务中的可靠性

    研究人员开发了一个名为 ReVISE 的新框架,以提高多模态大型语言模型(MLLM)在使用外部工具进行视觉任务时的可靠性。该框架使 MLLM 能够验证对象检测和深度估计等工具的输出,并动态纠正错误。ReVISE 包括一个用于训练反思行为的精选数据集,并使用强化学习来鼓励内部反思并惩罚不匹配,从而在基准测试中取得持续改进。

  15. TOOL · CL_218269 ·

    新方法使 Vision Transformers 适应更快的物体检测

    研究人员开发了一种名为 Detector-Interface Distillation (DiD) 的新方法,将 Vision Transformers (ViTs) 从 Softmax 注意力适配到线性注意力,用于物体检测任务。这种无标签的方法侧重于保留检测器的预期特征张量,而不仅仅是模仿内部状态,从而在 DOTA-v1.5 等数据集上实现了显著的性能提升。适配过程速度很快,大约需要 87 分钟完成,推理延迟减少了约 62%,峰值内…

  16. TOOL · CL_218023 ·

    新的HCFormer架构使用双曲聚类实现可解释的视觉模型

    研究人员开发了HCFormer,这是一种新的视觉骨干架构,它利用双曲层次聚类进行视觉表示学习。这种名为ClusterMixer的方法,为视觉Transformer等模型中发现的传统token mixer提供了一种更具可解释性的替代方案。通过在双曲空间中进行聚类以捕捉层次关系,HCFormer在各种计算机视觉任务(包括图像分类和分割)中表现出稳健的性能。

  17. RESEARCH · CL_206406 ·

    新的AdROD系统增强了自动驾驶目标检测的对抗鲁棒性

    研究人员开发了AdROD,一种旨在增强自动驾驶汽车目标检测对抗鲁棒性的新型防御系统。AdROD利用低秩超网络,显著降低计算开销,实时生成多样化检测器。该方法旨在对抗可能抑制目标检测的物理对抗攻击,这是自动驾驶系统的关键漏洞。该系统包括两种模式:AdROD-I用于持续保护,AdROD-II用于按需激活,在模拟环境和真实世界补丁测试中表现优于现有防御措施。

  18. TOOL · CL_194131 ·

    无线5G系统增强工业领域的人机协作

    研究人员开发了一个基于5G的无线系统,以增强工业环境中的人机协作(HRC),特别是对于需要频繁重新配置工作单元的任务。该系统利用了一种新颖的电池供电、多传感器平台和一个用于物体检测、姿态估计和鲁棒手部识别的计算机视觉模块。该设置旨在克服传统有线基础设施的局限性,从而在再制造和操作员培训等应用中实现更大的灵活性和安全性。

  19. TOOL · CL_183409 ·

    FaithIR框架增强红外图像超分辨率以提升机器感知能力

    研究人员推出了一种新颖的FaithIR框架,旨在改进红外图像超分辨率(IISR)以增强机器感知能力。与以往常引入人工纹理或扭曲热结构的方法不同,FaithIR专注于保留真实的热和结构信息。该框架采用双分支方法,一个分支捕捉全局信息,另一个分支在结构完整性指导下进行局部重建。实验表明,FaithIR不仅实现了卓越的重建保真度,还显著提高了目标检测和语义分割等下游任务的性能,凸显了忠实保留结构比单纯追求感知锐度更重要。

  20. TOOL · CL_181656 ·

    语义分割:计算机视觉中的像素级理解

    语义分割是一种计算机视觉技术,它为图像中的每个像素分配一个特定的类别标签。这个过程使模型能够创建详细的地图,在像素级别区分道路、人或缺陷等元素,这对于自动驾驶和医学成像等应用至关重要。与分类或对象检测不同,语义分割通过分析每个单独的像素来提供更精细级别的理解。