上海交大王亚飞副教授团队:“露天矿山无人驾驶运输系统”助力矿山...
研发团队还以多尺度障碍物在矿山多场景下的目标特征为对象,构建了覆盖全生产场景的目标检测数据集,并针对扬尘等恶劣场景进行了数据增广,研发了具备全尺度和多场景适应性的轻量化目标检测技术。通过采用该技术建立了满足复杂矿山场景应用的新型神经网络模型,提升了矿山复杂场景目标检测跟踪的效率。提出的检测算法可同时滤除...
精确率提升7.8%!首个多模态开放世界检测大模型MQ-Det登NeurIPS 2023
实验表明,多模态查询能够大幅度推动主流检测大模型的开放世界目标检测能力,例如在基准检测数据集LVIS上,无需下游任务模型微调,提升主流检测大模型GLIP精度约7.8%AP,在13个基准小样本下游任务上平均提高了6.3%AP。从文本查询到多模态查询一图胜千言随着图文预训练的兴起,借助文本的开放语义,目标检测逐渐步入了开放...
盘古CV大模型,赋能客户实现特定场景任务
设备巡检使用基础模型结合行业知识,解决设备巡检场景训练样本少、故障种类多、目标尺度差异大等挑战。智慧城市利用万物检测、万物分割满足智慧城市海量长尾需求,通过语言交互方式高效发现城市事件。功能优势小样本结合数据检索及数据增广技术,相对传统训练方式,数据需求减少80%以上。高精度受益于更好的语义对齐效果...
让大模型看图比打字管用,NeurIPS 2023新研究提出多模态查询方法...
论文提出了一种基于多模态查询的目标检测方法MQ-Det,只需要给输入加上一个图片示例,就能让大模型找东西的准确率大幅提升。在基准检测数据集LVIS上,无需下游任务模型微调,MQ-Det平均提升主流检测大模型GLIP精度约7.8%,在13个基准小样本下游任务上,平均提高了6.3%精度。这究竟是怎么做到的?一起来看看。以下内容...
608项!浙江省公布2024年度“尖兵”“领雁”研发攻关计划项目
面向领域大模型的数据准备、优化与增广杭州电子科技大学丽水研究院李亮24多模大数据质量高精度真伪检测与追溯的关键技术研究杭州电子科技大学丽水研究院曾丹25多模大数据质量高精度真伪检测与追溯的关键技术研究浙江工商大学谢满德26智能算力中心网际互联与云际协同关键技术研究与验证浙江宇视科技有限公...
如何“保养”可重复使用火箭?
另外,对于大型复杂装备,如运载火箭、通信卫星、载人飞船和高速铁路等,可靠性试验周期长、成本高,在进行寿命预测时,充分挖掘其全寿命周期中数据的潜在价值是有利的(www.e993.com)2024年8月5日。许多学者已经针对小子样问题开展了相关研究,通过采用参数修正、小子样数据样本增广等方法,来建立小子样数据下的寿命预测模型。
华南理工提出VISTA:双跨视角空间注意力机制实现3D目标检测SOTA,即...
本文提出了VISTA,一种新颖的即插即用多视角融合策略,用于准确的3D对象检测。为了使VISTA能够关注特定目标而不是一般点,研究者提出限制学习的注意力权重的方差。将分类和回归任务解耦以处理不平衡训练问题。在nuScenes和Waymo数据集的基准测试证明了VISTA方法的有效性和泛化能力。该论文已被CVPR2022接收...
ECCV 2022|腾讯优图29篇论文入选,含人脸安全、图像分割、目标检测...
2)我们通过动态聚类策略充分利用未标记数据,并使用伪边界框来支持目标域上的检测和行人重识别联合训练。通过上述设计,我们的框架在PRW和CUHK-SYSU数据集间的跨领域迁移性能,大大超过了未经跨领域自适应直接迁移的模型。我们的无监督自适应模型的性能甚至可以超过一些全监督和仅知检测框的弱监督的方法。
3D目标检测中点云的稀疏性问题及解决方案
点云的稀疏性指激光雷达的采样点覆盖相对于场景的尺度来讲,具有很强的稀疏性。例如,将目前主流的户外3D目标检测数据集KITTI[1]的点云投影到对应的RGB图像上,大约只有3%的像素才有对应的点云;VoxelNet[2]将获取的点云等间距的划分到体素空间,超过90%的体素是空的。稀疏性产生的原因包括远距离、遮挡和反光等。
工业视觉中的目标检测——兼谈天池大赛优胜方案
所有的优胜团队都会提到数据增广,图像翻转、旋转、平移、颜色扰动等。尤其是处理类别不平衡问题,有时候甚至成为比赛获胜的关键。在目标检测领域还有一大难点是小目标的检测,这里强烈推荐大家参考论文:Augmentationforsmallobjectdetectionhttpsarxiv/abs/1902.07296...