DiffYOLO：基于YOLO与扩散模型的抗噪声目标检测
计算机视觉与模式识别
2024-01-04 v1
摘要
以YOLO系列为代表的目标检测模型已得到广泛应用，并在高质量数据集上取得了优异成果，但并非所有工作条件都是理想的。为解决在低质量数据集上定位目标的问题，现有方法要么训练一个新的目标检测网络，要么需要收集大量低质量数据集进行训练。然而，我们在本文中提出一个框架，并将其应用于YOLO模型，称为DiffYOLO。具体而言，我们从去噪扩散概率模型中提取特征图来增强已训练好的模型，这使得我们能够在高质量数据集上微调YOLO，并在低质量数据集上进行测试。结果证明，该框架不仅能提升在含噪数据集上的性能，也能改善在高质量测试数据集上的检测结果。我们后续将补充更多实验（使用各种数据集和网络架构）。
引用
@article{arxiv.2401.01659,
title = {DiffYOLO: Object Detection for Anti-Noise via YOLO and Diffusion Models},
author = {Yichen Liu and Huajian Zhang and Daqing Gao},
journal= {arXiv preprint arXiv:2401.01659},
year = {2024}
}