目标检测涨点小Trick，Proposal-Based启发，NMS优化即可带来涨点！

以下文章来源于微信公众号：集智书童作者：小书童链接：https://mp.weixin.qq.com/s/UcPQrKUHaFgcc-bSeT_gQA本文仅用于学术分享，如有侵权，请联系后台作删文处理导读目标检测是计算机视觉中一个长期存在的挑战，其目标是在图像上定位和分类目标框。本文重新审视目标检测的通道，通过关注Proposal框与真实框的交点，并更好地利用被丢弃的Proposal信息，显著提高目标定位精度和Proposal的全面性。本文的方法，在COCO数据集上的实验得到验证，显示了在各种检测器和实例分割上的改进。论文链接：https://arxiv.org/abs/2311.18512本文重新审查了在图像中检测目标的管道。对于任何目标检测器，获得的边界框Proposals或查询需要分类并回归到真实边界框。最终预测的常见解决方案是直接最大化每个Proposals与真实边界框之间的重叠，然后采用胜者通吃排名或非极大值抑制。 ………………………………