paper
文章平均质量分 79
Lulifer。
计算机视觉+深度学习
展开
-
Feature Pyramid Networks for Object Detection
心得:FPN主要是在网络结构方面进行的改进,首先,使用resnet vgg 等网络,构建由下自上的金字塔,然后通过上采样,构造自上而下的网络,接着对其进行横向连接。最大的改进点在于网络模型。论文翻译与总结:摘要特征金字塔是识别系统中用于检测不同尺度目标的基本组件。但最近的深度学习目标检测器已经避免了金字塔表示,部分原因是它们是计算和内存密集型的。在本文中,我们利用深度卷积网络...原创 2019-06-20 19:44:03 · 7208 阅读 · 3 评论 -
SNIPER- Efficient Multi-Scale Training
心得:SNIPER主要的贡献在于通过自己设计的策略,使得产生的region proposals 更加的准确,使得最终的效果显著提高。论文翻译与总结:摘要:我们提出了SNIPER,一种在实例级视觉识别任务中执行高效多尺度训练的算法。 SNIPER不是处理图像金字塔中的每个像素,而是以适当的比例处理地面实例(称为芯片)周围的上下文区域。对于背景采样,使用从用短学习计划训练的区域提议网络...原创 2019-06-20 19:51:41 · 970 阅读 · 0 评论 -
Learning Efficient Single-stage Pedestrian Detectors by Asymptotic Localization Fitting
心得:我是读完 Cascade R-CNN- Delving into High Quality Object Detection 这篇paper 完之后看的这篇,感觉二者还是有相似之处,主要都是用了级联的思想,这篇文章主要提出了ALFnet的网络结构,主要是用于行人检测,利用不断提升IOU阈值训练多个定位模块。论文翻译与总结:Learning Efficient Single-stage...原创 2019-06-20 20:02:23 · 1606 阅读 · 1 评论 -
DetNet:A Backbone network for Object Detection
DetNet:用于对象检测的骨干网络摘要:最近基于CNN的物体探测器,无论是单阶段像YOLO ,SSD 和RetinaNet 这样的方法或像Faster R-CNN ,R-FCN 和FPN 这样的两级检测器通常都在尝试直接从用于图像分类的ImageNet预训练模型中微调。专门为物体检测设计的特征提取器比较少。更重要的是,图像分类和对象检测的任务之间存在若干差异。 (i)最近的物体探测器,如...原创 2019-07-15 19:34:48 · 368 阅读 · 0 评论 -
Meta-SR: A Magnification-Arbitrary Network for Super-Resolution
Meta-SR:用于超分辨率的放大 - 任意网络摘要:由于深度卷积神经网络(DCNN)的发展,最近对超分辨率的研究取得了很大成就。然而,长期以来忽略了任意比例因子的超分辨率。最以前的研究人员认为超分辨率不同比例因子作为独立任务。他们训练具体在计算中效率低的每个比例因子的模型,并且先前的工作仅考虑几个整数比例因子的超分辨率。在这项工作中,我们提出了一种名为Meta-SR的新方法来首先解决使用...原创 2019-07-22 21:33:56 · 2060 阅读 · 1 评论