导读广泛的对比实验表明，我们的方法比先前的最先进方法PointOBB在DOTAv1.0/v1.5/v2.0数据集上实现了15.58倍的训练速度提升和11.60%/25.15%/21.19%的精度提升。摘要单点监督定向目标检测已经引起了关注并在社区内取得了初步进展。与依赖一次性样本或强大的预训练模型（如SAM）的方法不同，PointOBB因其无先验特征而展现出潜力。在本文中，我们提出了PointOB

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：ANKIT SACHAN编译：ronghuaiyang导读分析了Canny的优劣，并给出了OpenCV使用深度学习做边缘检...

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：PRANAV DAR编译：ronghuaiyang导读对于希望学习算法或尝试现有框架的人来说，预训练的模型...

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：Kritin Vongthongsri编译：ronghuaiyang导读如果我告诉你，现在有可能在几分钟内生成数千个高质量的测试案例，这些案例你过去可能要花费数周时间精心制作，你会怎么想？Using LLMs for Synthetic Data Generation: The Definitive Guide构建大规模、全面的数据集

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：Dipanjan (DJ) Sarkar编译：ronghuaiyang导读今天接着昨天的内容，给大家介绍G...

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：LORENZ KUHN编译：ronghuaiyang导读简要介绍在PyTorch中加速深度学习模型训练的一些最小改动、影响...

导读在本文中，我们介绍了一种轻量级检测Transformer（LW-DETR），其在实时目标检测方面优于YOLO系列模型。该架构简单地堆叠了一个ViT编码器、一个投影器和一个浅层DETR解码器。摘要在本文中，我们介绍了一种轻量级检测Transformer（LW-DETR），其在实时目标检测方面优于YOLO系列模型。该架构简单地堆叠了一个ViT编码器、一个投影器和一个浅层DETR解码器。我们的方法利

导读在本文中，我们提出了一种新的框架，即去噪特征金字塔网络结合Trans R-CNN（简称DNTR），以提升微小物体检测的性能。摘要尽管计算机视觉领域取得了显著进展，但微小物体的精确检测仍然是一个重大挑战，这主要是由于这些物体在图像数据中的像素表示极为有限。这一挑战在地质科学和遥感领域尤为突出，因为高保真度的微小物体检测可以促进从城市规划到环境监测等一系列应用的发展。在本文中，我们提出了一种新的框

导读使用固定数量查询的DETR类方法使得它们不适合应用于大多包含微小目标且不同图像之间实例数量不平衡的航空数据集。DQ-DETR利用类别计数模块预测的密度图来动态调整目标查询的数量及其位置信息。摘要尽管之前的DETR类方法在通用目标检测任务上取得了成功，但对于微小目标检测来说仍然是一个挑战，因为这些方法中的目标查询的位置信息并未针对检测微小目标进行定制，而微小目标的尺度远小于常规目标。此外，使用固

前言3D目标检测在ECCV20的文章中呈现依旧火热的研究趋势，本文对目前笔者看到过的ECCV20和ACM MM20的3D目标检测文章做一个汇总，分类方法按照该方法是否在对应数据集上实验作...