目标检测中的动态框融合策略
计算机视觉与模式识别
2022-09-13 v3
摘要
显微场景下的目标检测是一项热门任务。由于显微镜通常具有可变放大倍率，目标尺度变化很大，这给检测器的优化带来了负担。此外，相机对焦的不同情况会带来模糊图像，导致区分目标与背景边界的巨大挑战。为解决上述两个问题，我们提供了大量有用的训练策略，并在 Chula-ParasiteEgg-11 数据集上进行了广泛实验，在 ICIP 2022 挑战赛：显微图像中寄生虫卵检测与分类上取得了不可忽视的结果；进一步地，我们提出了一种新的框选择策略和改进的多模型集成的框融合方法，最终我们的方法获得第一名（mIoU 95.28%，mF1Score 99.62%），同时也是 Chula-ParasiteEgg-11 数据集上的 state-of-the-art 方法。
引用
@article{arxiv.2207.00997,
title = {Dynamic boxes fusion strategy in object detection},
author = {Zhijiang Wan and Shichang Liu and Manyu Li},
journal= {arXiv preprint arXiv:2207.00997},
year = {2022}
}
备注
Due to our negligence, our method has made a serious logical error. This good result is simply because the backbone network is stronger rather than post-processing. Therefore, we hope to withdraw this manuscript so as not to mislead readers