用于精确目标检测的多网格冗余边界框标注
计算机视觉与模式识别
2025-11-20 v1
摘要
现代领先的目标检测器或是两阶段网络，或是基于深度 CNN 骨干分类网络改造的单阶段网络。YOLOv3 正是这样一种非常著名的最先进单阶段检测器，其接收输入图像并将其划分为等尺寸网格矩阵。含有物体中心的网格单元负责检测该特定物体。本文提出一种新的数学方法，为每个物体分配多个网格以实现精确紧贴合边界框预测。我们还提出了一种有效的离线复制粘贴数据增强用于目标检测。我们提出的方法显著优于一些当前最先进的目标检测器，并具备进一步提升性能的潜力。
引用
@article{arxiv.2201.01857,
title = {Multi-Grid Redundant Bounding Box Annotation for Accurate Object Detection},
author = {Solomon Negussie Tesema and El-Bay Bourennane},
journal= {arXiv preprint arXiv:2201.01857},
year = {2025}
}
备注
Will appear on "The 19th IEEE International Conference on Pervasive Intelligence and Computing (PICom 2021)". Conference Held on 25 - 28 October 2021