![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
Andy_Real
这个作者很懒,什么都没留下…
展开
-
COCO数据集上两大霸榜模型-CBNet和DetectoRS
具体地址转载 2020-08-20 11:01:42 · 236 阅读 · 0 评论 -
显著性检测论文集合【1】
显著性检测【36】Learning Selective Self-Mutual Attention for RGB-D Saliency Detection作者:Nian Liu, Ni Zhang, Junwei Han【37】Label Decoupling Framework for Salient Object Detection作者:Jun Wei, Shuhui Wang, Zhe Wu, Chi Su, Qingming Huang, Qi Tian【38】We..转载 2020-08-20 10:39:47 · 583 阅读 · 0 评论 -
一种新卷积
卷积神经网络的发展可以说引领了当前人工智能技术的研发热潮并为计算机视觉带来了突破性的发展,但常规卷积存在一些固有缺陷,也因此研究者们在不断探索更有效且更高效的卷积设计。腾讯 AI Lab 的一篇 ECCV 2020论文也提出了一种基于神经科学研究的新式卷积:语境门限卷积。语境门限卷积Context-Gated Convolution本文由腾讯 AI Lab 主导,与哥伦比亚大学合作完成,提出了一种可考虑全局信息的新型卷积。作为卷积神经网络的基础,卷积层从设计上便是为了提取...转载 2020-08-19 18:30:56 · 480 阅读 · 0 评论 -
『译』RGB-D Salient Object Detection, A Review『译』
RGB-D显著性目标检测回顾文章结构introduce:介绍了RGB-D显著性目标检测的任务和关键概念 review:回顾显著性目标检测的演化过程,尤其是对于RGB-D图的检测演化 present:展示典型的RGB-D显著性目标检测方法,在公开的数据集上对它们进行性能评估,并总结它们的问题所在 discuss:对一些公开的问题进行讨论,并且对未来的研究方法提出建议introduction:提及显著性目标检测,其所指的就是在人类的视觉接受角度来看,在某一画面或者情境中相对于周围环境,找.翻译 2020-07-10 13:10:09 · 978 阅读 · 0 评论 -
R-CNN手记(持续更新)
rcnn解决了目标检测中的两个关键问题:1、目标检测速度 这篇文章通过预先定义的提取一系列的可能的候选区域后, 仅在这些候选区域上提取特征进行目标判断,大大提高网络目标检测的速度(之前都是通过卷积在输入图形上提取特征)2、训练集 解决了如何在小规模的标注数据集上进行大规模网络的训练的问题R-CNN:突破了传统的目标检测算法的思想,为...原创 2020-03-22 14:30:53 · 416 阅读 · 0 评论