深度学习-目标检测
文章平均质量分 94
春枫琰玉
这个作者很懒,什么都没留下…
展开
-
重读经典-EfficientNet
EfficientNet也是以前看过的一篇文章的,当时主要看了网络结构,对于文章的思考并没有很深入,这次重新看一下,加深一下对于文章的思考。作者:Google论文链接:https://arxiv.org/abs/1905.11946开源代码:https://github.com/tensorflow/tpu/tree/master/models/official/efficientnetModel Scaling本篇文章的重点是Model Scaling,至于Efficientnet只是作者在原创 2020-12-01 16:56:59 · 611 阅读 · 0 评论 -
FASF(CVPR2019)
本篇文章是CVPR2019的一篇Anchor-Free的文章,是一篇很好的Anchor Free的目标检测的文章,目前基于anchor的目标检测方法,大多采用不同的level预测不同尺度的instance,而分配规则往往是人为设计的,这导致anchor的匹配策略可能不是最优的。那有没有更优的匹配方法?文章从level选取的点进行切入,利用FASF实现不同的instance在不同level的动态分...原创 2020-01-02 22:57:12 · 2215 阅读 · 1 评论 -
FoveaBox
FoveaBox是CVPR2019的一篇anchor free的目标检测文章,其思想跟FCOS很相似,都是在RetinaNet的基础上,在不同stage输出的特征图上,直接得到目标类别并回归出目标的位置,相比FCOS,FoveaBox要更简单一些,FoveaBox在COCO的精度可以达到42.1。作者:Tao Kong Fuchuan Sun 等论文链接:https://arxiv....原创 2019-12-30 20:38:00 · 3086 阅读 · 0 评论 -
RFBNet
RFBNet是ECCV2018的一篇文章,文章的主要创新点在于通过Inception结构以及dilated conv模拟了人类的视觉结构—越往外视觉感受野也越大,提出了RFB结构,并将RFB结构应用于SSD结构上,实现了在不增加过多计算量的情况下模型效果的提升。作者: Songtao Liu, Di Huang, Yunhong Wang论文链接: RFBNet论文代码链接: http...原创 2019-12-27 14:11:51 · 1056 阅读 · 0 评论 -
Consistent Optimization for Single-Shot Object Detection - 你的anchor用对了吗?
论文名称:Consistent Optimization for Single-Shot Object Detection作者:Tao Kong & fuchun Sun & Huaping Liu & Yuning Jiang & Jianbo Shi论文链接:https://arxiv.org/abs/1901.06563作者解读:https://zhu...原创 2019-01-30 21:11:19 · 2455 阅读 · 6 评论 -
SNIP-An Analysis of Scale Invariance in Object Detection
论文名称 : An Analysis of Scale Invariance in Object Detection – SNIP论文作者:Bharat Singh & Larry S.Davis论文链接:https://arxiv.org/abs/1711.08189代码链接:https://github.com/bharatsingh430/snip简要概述本篇文章是一篇优...原创 2019-02-25 21:09:37 · 571 阅读 · 0 评论 -
SNIPER: Efficient Multi-Scale Training
论文名称: SNIPER: Efficient Multi-Scale Training作者:Bharat Singh & Mahyar Najibi & Larry S.Davis论文链接https://arxiv.org/abs/1805.09300:代码链接:https://github.com/bharatsingh430/snip简要概述文章精华目标检测中的小目...原创 2019-03-14 20:44:48 · 2126 阅读 · 0 评论 -
CenterNet: Keypoint Triplts for Object Detection 论文阅读笔记
论文名称:CenterNet: Keypoint Triplts for Object Detection作者:Kaiwen Duan & Song Bai等论文链接:https://arxiv.org/abs/1904.08189代码链接:https://github.com/Duankaiwen/CenterNet简要概述文章精华本篇文章是一篇anchor free的目标检...原创 2019-07-02 15:42:37 · 717 阅读 · 0 评论 -
FCOS算法详解
论文名称:FCOS:Fully Convolutional One-Stage Object Detection作者:Zhi Tian & Chunhua Shen等论文链接:https://arxiv.org/abs/1904.01355代码链接:https://github.com/tianzhi0549/FCOS/简要概述文章精华FCOS算法也是一篇anchor free...原创 2019-07-10 10:57:42 · 17029 阅读 · 11 评论 -
CornerNet,CenterNet关键代码解读: kp,_decode,left pooling
今天大致看了一下CornerNet的代码,对其中的关键代码做一些整理。由于CenterNet(CenterNet:Keypoint Triplets for Object Detection)是在CornerNet的基础上修改来的,所以基本是一致的cornernet的主要结构基本都定义在./models/py_utils文件夹下,主干结构定义在./models/py_utils/kp.py这个...原创 2019-07-05 09:39:39 · 5577 阅读 · 4 评论 -
ExtremeNet论文详解
论文名称:Bottom-up Object Detection by Grouping Extreme and Center Points作者:Xingyi Zhou&Jiacheng Zhuo等论文链接:https://arxiv.org/pdf/1901.08043.pdf代码链接:https://github.com/xingyizhou/ExtremeNet提要本篇论文...原创 2019-08-11 15:51:35 · 6252 阅读 · 1 评论 -
一文带你读懂Cascade R-CNN,一个使你的检测更加准确的网络
论文名称:Cascade R-CNN: Delving into High Quality Object Detection作者:Zhaowei Cai & Nuno Vasconcelos论文链接:https://arxiv.org/abs/1712.00726代码链接:https://github.com/zhaoweicai/cascade-rcnn简要概述文章精华本篇...原创 2019-01-13 12:58:30 · 42010 阅读 · 7 评论 -
RefineDet
论文链接: https://arxiv.org/abs/1711.06897作者代码链接 : https://github.com/sfzhang15/RefineDet在目标检测中,有两个主流的分支,分别是以Faster R-CNN为代表的two stage方法以及以SSD为代表的one stage方法,两者各有优势,总结起来就是:two stage方法的精度更高,one stage方法的速...原创 2018-12-10 18:50:29 · 3747 阅读 · 4 评论 -
ResNet(Deep Residual Learning for Image Recognition)
论文链接:https://arxiv.org/abs/1512.03385Resnet是2015年ImageNet比赛的冠军,不仅在分类上标线优秀,在目标检测中同样取得好成绩,Resnet将网络层数进一步加深,甚至达到1000+层。1、Degradation根据经验,如果没有发生梯度消失、弥散现象,网络层数越深效果会越好,但是作者实验发现,虽然网络层数增加,但是训练会出现饱和现象原创 2018-02-04 17:16:05 · 1571 阅读 · 0 评论 -
解密ResNet:Identity Mappings in Deep Residual Networks
论文链接:https://arxiv.org/abs/1603.05027本篇文章是对ResNet取得较好效果的分析与改进,在过去residual block的基础上,提出了新的residual block,并通过一系列实验验证了identity mapping能对模型训练产生很好的效果。1、介绍1、ResNet block表示:resnet block结果如下: res原创 2018-02-05 18:46:13 · 1154 阅读 · 0 评论 -
GoogleNet V1 Going deeper with convolutions
论文链接:http://arxiv.org/pdf/1409.4842v1.pdf1、简介GoogleNet V1作为ILSVRC2014比赛的冠军,一经问世便受到了广泛的关注,并且也得益于其独特的网络设计,相比较于同期的VGG,GoogleNet使得网络的深度得到了进一步的增加,网络宽度更宽,卷积层数量更多。之后又在V1的基础上发展出了V2-V4版本,使得识别准确率进一步提升。2、G原创 2018-01-29 20:13:35 · 360 阅读 · 0 评论 -
SPP-Net 论文笔记
简介SPP-net是何凯明团队在rbg大神提出R-CNN之后提出的比较有创新性的网络,其主要贡献在于: 1.打破了CNN网络需要输入固定大小的图像的限制,利用Spatial Pyramid Pooling方法,不需要像以前一样需要对图像进行裁剪等操作,而是直接将entire image输入。2.利用SPP-Net进行图像分类以及目标检测,虽然对于精度并没有特别明显的提升,但是在objec...原创 2018-03-19 22:15:29 · 748 阅读 · 0 评论 -
R-CNN 论文阅读笔记
论文链接:https://arxiv.org/abs/1311.2524作者GitHub代码链接:https://github.com/rbgirshick/rcnn一、简介R-CNN是将深度学习用于目标检测的鼻祖之作,在目标检测精度几年不在提升之后,得到了约30%的精度提升,之后,开启了深度学习在目标检测领域的一统天下,包括后面提出的Fast R-CNN、Faster R-CNN...原创 2018-03-14 10:21:19 · 488 阅读 · 0 评论 -
Faster R-CNN理解
Faster R-CNN 论文链接:https://arxiv.org/abs/1506.01497一、创新点目前object detection的成功主要在于region proposal方法以及region-based CNN网络方法。region proposal耗时成为object detection的瓶颈。作者设计提出RPN网络,替代region proposal方法的...原创 2018-04-22 17:37:48 · 704 阅读 · 0 评论 -
Fast R-CNN
论文链接:https://arxiv.org/abs/1504.08083Fast R-CNN是RBG大神于2015年发表的目标检测网络,其在SPP-Net的基础上,通过进一步的改进,使得目标检测精度以及检测速度有了进一步的提升,下面详细介绍Fast R-CNN的创新点。Q1:SPP-Net存在哪些待改进问题?SPP-Net仍然采用R-CNN的策略,需要将CNN提取的特征存储到d...原创 2018-04-06 19:42:43 · 317 阅读 · 0 评论 -
YOLO算法详解
YOLO(You Only Look Once)是CVPR2016的一篇文章,是目标检测领域比较有名的的一篇文章,yolo出名不在于它的精度高,而在于他的速度很快,下面介绍的是yolo的第一版,在yolo之后,又改进出了yolo-v2,yolo-v3,v2,v3的精度相比较于v1就有大大提升了,这个后面再详细介绍。在介绍yolo之前,首先引入一下目标检测的进展,yolo之前的目标检测一般是如何...原创 2018-06-04 14:13:46 · 32642 阅读 · 21 评论 -
YOLO v2算法详解+YOLO9000介绍
YOLO9000是继YOLO之后的又一力作,本篇论文,其实作者在YOLO v2上并没有特别多的创新的方法,更多的是将现有的多种方法使用在自己的YOLO中以提高识别效果,不过YOLO9000倒是很有创新点,利用ImageNet与COCO数据,使得网络可以检测9000类数据,下面简要介绍一下这两个网络:首先介绍YOLO v2都使用了哪些方法:Batch Normalization这个不...原创 2018-06-29 18:51:38 · 7551 阅读 · 13 评论 -
FPN-Feature Pyramid Networks论文理解
论文链接:https://arxiv.org/abs/1612.03144FPN 创新点低层特征信息与高层语义信息的特征融合有利于小目标的检测写在前面的话FPN的全称是Feature Pyramid Networks[特征金字塔网络], 图像金子塔是什么?图像金字塔其实在很早便被提出,像比如SIFT,SURF,HOG等传统的特征提取方法均使用了图像金字塔,想了解传统特...原创 2018-08-03 16:55:42 · 5902 阅读 · 3 评论 -
Fast-Rcnn介绍
本文转载自:https://saicoco.github.io/Fast-RCNNFast-RCNN之所以称为Fast,较RCNN快在proposals获取:RCNN将一张图上的所有proposals都输入到CNN中,而Fast-RCNN利用卷积的平移不变形,一次性将所有的proposals投影到卷积后的feature maps上, 极大的减少了运算量;其次则是端到端的训练,不像以前...转载 2017-07-05 15:07:54 · 1641 阅读 · 0 评论