从COCO到COCO-FP:深入探讨COCO检测器的背景误报
原文中文,约600字,阅读约需2分钟。发表于: 。本研究针对COCO数据集中物体检测器在处理非目标视觉杂物导致的误报问题进行了深入分析,揭示了当前方法在这一领域的不足。我们提出了COCO-FP,一个新的评估数据集,旨在评估物体检测器在减少背景误报方面的性能。研究结果显示,COCO-FP在评估标准和先进的检测器时,误报数量显著,表明在实际应用场景中,减少误报的重要性。
该文章介绍了协作伪装目标检测(CoCOD)任务及其数据集和模型。CoCOD旨在检测具有相同属性的伪装目标。作者构建了大规模数据集CoCOD8K,包含8528张高质量图像。作者提出了基准模型BBNet,通过协作特征探索、目标特征搜索和细化模块实现准确检测。实验结果表明该方法优于其他竞争方法。作者希望该数据集和模型促进COD社区发展。