Open-Set目标检测算法的原理与实践

文章预览

在深度学习领域，目标检测算法用于识别和定位图像中的特定对象，是计算机视觉中至关重要的任务。然而， 传统的目标检测算法只能在有限类目的数据集上进行推理 ，这是因为训练集中的类别是有限的，推理时也只能识别这些有限的类目，限制了其应用范围。因此， 我们需要使用开放集（Open-Set）检测技术，开放集检测可以在推理过程中识别训练时未被见过的类目。为了丰富交互方式，我们还将采用视觉定位（Visual Grounding）检测，将图像和自然语言描述一起作为输入 。 YOLO-World (CVPR 2024)、Grounding DINO (ECCV 2024) 是SOTA的开放集目标检测算法， YOLO11 (Ultralytics  2024) 则是今年9月最新开源的闭集YOLO检测算法。在这篇文章中，我们将对这三种SOTA算法的原理进行解析，并进行相关实践。 相关基础知识 ▐   1. Visual Grounding 图像来源于YOLO-World论文 视觉定 ………………………………