开放词汇目标检测

开放词汇目标检测(Open Vocabulary Object Detection, OVOD)是一种计算机视觉技术,它扩展了传统目标检测的概念,能够识别和定位图像中的对象,即使这些对象的类别没有在训练数据集中明确列出。这种技术通过结合大规模预训练的图像-文本对模型,使得目标检测能够覆盖更广泛的词汇和对象类别,实现对新颖或罕见对象的有效识别。

  1. 预训练的图像-文本对模型:使用大规模的图像和配对文本数据进行预训练,如使用视觉-语言预训练(VLP)模型。这些模型通过学习图像内容与自然语言描述之间的关系,能够理解和表示广泛的对象和属性。

  2. 细粒度属性突出显示:传统的目标检测模型通常关注于识别对象的大类别(如狗、车等)。开放词汇目标检测模型通过显式突出显示细粒度属性(如颜色、形状、动作等),增强了模型对具有特定属性对象的识别能力。这通常通过修改模型的文本编码器部分,使其能够识别和强调输入文本中的细粒度属性词汇。

  3. 特征重组和调整:将全局文本特征与属性特定特征结合,通过设计或学习得到的算法对这些特征进行调整和优化,以提高对细粒度属性的检测精度。

开放词汇目标检测不仅提升了目标检测技术的覆盖范围和精确度,也为未来的智能系统提供了更强的视觉理解能力。

  • 泛化能力:开放词汇目标检测能够扩展模型的泛化能力,使其能在没有直接训练数据的情况下识别新的对象类别。
  • 细粒度识别:通过关注对象的细粒度属性,可以更精确地理解和描述场景中的各种元素,这对于自动驾驶、增强现实、内容创建等领域具有重要意义。
  • 适应新环境:这种技术可以帮助模型适应动态变化的环境和持续扩展的对象类别,对于持续学习和适应性系统尤为重要。

论文作者:Yuqi Ma,Mengyin Liu,Chao Zhu,Xu-Cheng Yin

作者单位:University of Science and Technology Beijing

论文链接:http://arxiv.org/abs/2409.16136v1

内容简介:

1)方向:开放词汇目标检测

2)应用:目标检测

3)背景:传统的OVD模型注重对象的粗粒度类别而非细粒度属性,导致无法识别具有特定属性的对象。然而,这些OVD模型是在大规模图像-文本对上进行预训练的,具有丰富的属性词汇,其潜在特征空间可以表示全局文本特征,但未突出显示细粒度属性。

4)方法:本文提出一种通用和显式的方法,通过在显式线性空间中突出显示细粒度属性,增强了冻结主流OVD模型的属性级别检测能力。利用LLM突出显示输入文本中的属性词汇,通过调整令牌掩码,提取OVD模型的文本编码器中的全局文本和属性特定特征,将它们显式组合为新的属性突出显示特征,其中相应的标量被手工设计或学习以重新调整这两个向量。

5)结果:在FG-OVD数据集上的实证评估表明,所提出的方法统一提高了各种主流模型的细粒度属性级别OVD,并取得了新的最先进性能。

相关推荐
阿坡RPA12 小时前
手搓MCP客户端&服务端:从零到实战极速了解MCP是什么?
人工智能·aigc
用户277844910499312 小时前
借助DeepSeek智能生成测试用例:从提示词到Excel表格的全流程实践
人工智能·python
机器之心13 小时前
刚刚,DeepSeek公布推理时Scaling新论文,R2要来了?
人工智能
算AI15 小时前
人工智能+牙科:临床应用中的几个问题
人工智能·算法
凯子坚持 c15 小时前
基于飞桨框架3.0本地DeepSeek-R1蒸馏版部署实战
人工智能·paddlepaddle
你觉得20516 小时前
哈尔滨工业大学DeepSeek公开课:探索大模型原理、技术与应用从GPT到DeepSeek|附视频与讲义下载方法
大数据·人工智能·python·gpt·学习·机器学习·aigc
8K超高清16 小时前
中国8K摄像机:科技赋能文化传承新图景
大数据·人工智能·科技·物联网·智能硬件
hyshhhh16 小时前
【算法岗面试题】深度学习中如何防止过拟合?
网络·人工智能·深度学习·神经网络·算法·计算机视觉
薛定谔的猫-菜鸟程序员16 小时前
零基础玩转深度神经网络大模型:从Hello World到AI炼金术-详解版(含:Conda 全面使用指南)
人工智能·神经网络·dnn
币之互联万物16 小时前
2025 AI智能数字农业研讨会在苏州启幕,科技助农与数据兴业成焦点
人工智能·科技