其实没有NMS检测也可以很强很快 | O2F样本匹配助力目标检测逃离NMS时代(二)

简介: 其实没有NMS检测也可以很强很快 | O2F样本匹配助力目标检测逃离NMS时代(二)

3、实验


3.1、消融实验

1、模糊Anchor的数量

image.png

在o2f方法中,选择了K个既有正损失也有负损失的模糊Anchor。在COCO值集上消融表2中的这个超参数K。可以看出,当K等于7时,获得了最佳AP性能39.0(没有NMS)。在剩下的实验中,将K设置为7。

2、和

image.png

这两个参数分别控制训练过程中第一个和最后一个Epoch中模糊Anchor的正损失权重。表3显示了通过使用和的不同组合对COCO val集的结果。可以看到,当设置为更高的值(如0.6)时,增加将降低没有NMS的端到端检测性能。这意味着一个小的有助于缩小“无NMS”和“有NMS”之间的性能差距。

同时,当设置为较小的值(如0.1)时,由于正样本的数量有限,在有NMS和没有NMS的情况下,较小的可能会降低性能。当将和分别设置为0.6和0.2时,达到了最佳AP性能39.0,这是实验中的默认设置。

3、选择度量

image.png

作者进一步探讨了匹配函数在选择特定的正Anchor和模糊Anchor时的作用。如表4所示,方法“Multiply”表示Eq.1中的匹配函数,而方法“Add”表示将Eq.1更改为,这是DETR中常用的度量。

作者发现在没有NMS的情况下,只考虑分类得分(即α)会降低性能。仅考虑回归IoU(即α)可能导致重复预测,并显著扩大与NMS的差距。还可以看到,“乘法”更适合密集检测,它比最佳的“加法”结果获得1.1点的增益。在其余实验中,选择“乘法”并设置α

3.2、SOTA实验

1、COCO

image.png

2、CrowdHuman

3、实例分割

3.3、可视化结果


4、参考


[1].One-to-Few Label Assignment for End-to-End Dense Detection.

相关文章
|
6月前
|
机器学习/深度学习 传感器 自动驾驶
狂风暴雨依旧YOLO | 全新数据集,全新任务,促进极端降雨条件下目标检测的优化和发展
狂风暴雨依旧YOLO | 全新数据集,全新任务,促进极端降雨条件下目标检测的优化和发展
233 0
|
6月前
|
算法 计算机视觉
YOLOv3 的非极大值抑制(NMS)算法是如何工作的,它对最终检测结果有何影响?
YOLOv3 的非极大值抑制(NMS)算法是如何工作的,它对最终检测结果有何影响?
|
6月前
|
人工智能 算法 网络架构
谷歌新论文:潜在扩散模型并非越大越好
【4月更文挑战第9天】谷歌研究团队发现,潜在扩散模型(LDMs)的性能并非完全由其大小决定。通过对比不同规模的LDMs,他们在有限推理预算下发现小模型能生成与大模型相当甚至更好的结果。研究强调了在采样效率和模型规模间的平衡,为优化生成模型在有限资源下的效能提供了新思路。然而,小模型的建模能力限制和对特定模型系列的适用性仍需进一步研究。
46 1
谷歌新论文:潜在扩散模型并非越大越好
|
6月前
|
传感器 编解码 自动驾驶
YOLO还真行 | 2D检测教3D检测做事情,YOLOv7让BEVFusion无痛涨6个点,长尾也解决了
YOLO还真行 | 2D检测教3D检测做事情,YOLOv7让BEVFusion无痛涨6个点,长尾也解决了
174 0
|
6月前
|
自然语言处理 安全 算法
23REPEAT方法:软工顶会ICSE ‘23 大模型在代码智能领域持续学习 代表性样本重放(选择信息丰富且多样化的示例) + 基于可塑权重巩固EWC的自适应参数正则化 【网安AIGC专题11.22】
23REPEAT方法:软工顶会ICSE ‘23 大模型在代码智能领域持续学习 代表性样本重放(选择信息丰富且多样化的示例) + 基于可塑权重巩固EWC的自适应参数正则化 【网安AIGC专题11.22】
150 0
23REPEAT方法:软工顶会ICSE ‘23 大模型在代码智能领域持续学习 代表性样本重放(选择信息丰富且多样化的示例) + 基于可塑权重巩固EWC的自适应参数正则化 【网安AIGC专题11.22】
|
机器学习/深度学习 自然语言处理 算法
【网安AIGC专题11.1】11 Coreset-C 主动学习:特征选择+11种采样方法+CodeBERT、GraphCodeBERT+多分类(问题分类)二元分类(克隆检测)非分类任务(代码总结)
【网安AIGC专题11.1】11 Coreset-C 主动学习:特征选择+11种采样方法+CodeBERT、GraphCodeBERT+多分类(问题分类)二元分类(克隆检测)非分类任务(代码总结)
201 0
|
算法 测试技术
【语音处理】基于加权压力匹配方法(WPMM)的私人声音系统研究(Matlab代码实现)
【语音处理】基于加权压力匹配方法(WPMM)的私人声音系统研究(Matlab代码实现)
|
机器学习/深度学习 算法 固态存储
其实没有NMS检测也可以很强很快 | O2F样本匹配助力目标检测逃离NMS时代(一)
其实没有NMS检测也可以很强很快 | O2F样本匹配助力目标检测逃离NMS时代(一)
166 0
|
机器学习/深度学习 编解码 自动驾驶
联合训练2D-3D多任务学习 | 深度估计、检测、分割、3D检测通吃
联合训练2D-3D多任务学习 | 深度估计、检测、分割、3D检测通吃
341 0
|
算法 数据可视化 计算机视觉
再战IOU | 总结分析IOU/GIOU/CIOU局限,提出Focal EIOU进一步提升目标检测性能(二)
再战IOU | 总结分析IOU/GIOU/CIOU局限,提出Focal EIOU进一步提升目标检测性能(二)
339 0