Enhanced Object Detection: A Study on Vast Vocabulary Object Detection Track for V3Det Challenge 2024

在这份技术报告中，我们介绍了我们在Vast Vocabulary Visual Detection（V3Det）数据集上进行的监督式广泛词汇视觉检测任务研究的发现。如何处理复杂的类别和检测框在这个任务中已经成为了一个难点。原始的监督式检测器不适用于此任务。我们设计了一系列的改进，包括对网络结构的调整、对损失函数的更改以及培训策略的设计。我们的模型已经显示出相对于基准的改进，并在V3Det Challenge 2024的广泛词汇物体检测（监督式）和开放词汇物体检测（OVD）赛道的排行榜上取得了优异的排名。

本论文旨在解决Vast Vocabulary Visual Detection (V3Det)数据集中的复杂类别和检测框问题，改进原有的监督检测器。这是否是一个新问题？

论文的关键思路是通过调整网络结构、改变损失函数和设计训练策略来提高模型性能，从而在V3Det Challenge 2024的Vast Vocabulary Object Detection (Supervised) track和Open Vocabulary Object Detection (OVD) track上取得优异成绩。相比当前领域的研究状况，这篇论文的思路有什么新意？

该论文在实验中使用了V3Det数据集，并通过调整网络结构、改变损失函数和设计训练策略来提高模型性能。该模型在V3Det Challenge 2024的Vast Vocabulary Object Detection (Supervised) track和Open Vocabulary Object Detection (OVD) track上取得优异成绩。该论文的亮点包括实验设计、数据集使用和模型性能提升。

最近在这个领域中，还有一些相关的研究，例如："Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks" by Shaoqing Ren et al. (2016) 和 "You Only Look Once: Unified, Real-Time Object Detection" by Joseph Redmon et al. (2016)。