自动标签分配算法
48.4% mAP
自动估计正样本的空间与质量分布,显著提升目标检测精度。
王浩 · 贾同 · 王启隆 · 左旺孟
IEEE Transactions on Circuits and Systems for Video Technology 2025
参数信息
- 平均精度 (AP)
- 48.4 %
- 平均精度 (AP)
- 47.9 %
- 平均精度 (AP)
- 48.0 %
- 平均精度 (AP)
- 49.3 %
- 推理速度
- 11.9 FPS
- 推理速度
- 10.4 FPS
- 推理速度
- 9.9 FPS
- 推理速度
- 8.0 FPS
技术优势
感知正样本质量
通过正样本选择策略探索质量统计分布,使训练更关注高质量样本,避免低质量样本的干扰。
兼顾外观信息
实例属性分支与目标性预测模块引入外观信息,使正样本分离不再仅依赖空间分布假设。
粗到细优化
实例属性分支区分前景背景后,目标性预测模块生成权重图,逐步细化正样本区域。
应用场景
- 视觉检测:提升产品缺陷检测的定位精度
- 工业质检:减少漏检与误检,稳定质检流程
- 无人机视觉:在算力有限的机载平台上提升检测性能
- 具身智能:为机器人与环境交互提供更可靠的物体感知