目标检测
文章平均质量分 93
基于深度学习的目标检测算法
三拾佳易
这个作者很懒,什么都没留下…
展开
-
【目标检测】C-GhostNet
本篇论文是华为诺亚方舟实验室在CVPR2020上提出的一种轻量级网络GhostNet。在优秀CNN模型中,特征图存在冗余是非常重要的,但是很少有人在模型结构设计上考虑特征图冗余问题(The redundancy in feature maps)。而本文就从特征图冗余问题出发,提出一个仅通过少量计算(cheap operations)就能生成大量特征图的结构——Ghost Module。原创 2023-01-06 19:08:53 · 958 阅读 · 0 评论 -
【目标检测】G-GhostNet
论文题目:《GhostNets on Heterogeneous Devices via Cheap Operations》本文针对网络部署时面临的内存和资源有限的问题,提出两种不同的Ghost模块,旨在利用成本低廉的线性运算来生成Ghost特征图。原创 2023-01-06 19:31:01 · 1579 阅读 · 1 评论 -
【目标检测】DetectoRS
《DetectoRS: Detecting Objects with Recursive Feature Pyramidand Switchable Atrous Convolution》论文解读原创 2023-01-06 18:05:35 · 1391 阅读 · 0 评论 -
【目标检测】EfficientDet
Google Brain团队在CVPR 2020上提出了新架构EfficientDet目标检测模型,结合EfficientNet和新提出的BiFPN,实现新的SOTA结果。EfficientDet更重要的贡献是将EfficientNet复合缩放的思路进行延伸, 把架构决策明确化为可扩展的框架, 并且为不同的应用场景提供了D0-D7种方案, 实现了速度和精度之间的均衡, 使用者无需复杂调参, 便能轻松应用于对象检测中的其他用例。原创 2023-01-06 18:40:28 · 737 阅读 · 3 评论 -
【目标检测】TOOD:Task-aligned One-stage Object Detection
目标检测存在分类和定位是独立的,可能出现分类得分高的预测位置不准,位置准的分类得分不高的情况。且样本/标签分配与任务无关,用于分类和定位的最佳锚点往往是不一致的,最佳定位锚点的空间位置可能不在对象的中心等问题。作者提出任务对齐的单阶段目标检测TOOD包括两个部分:Task-aligned Head(T-Head)和Task Alignment Learning(TAL)以解决上述问题。原创 2023-01-06 17:44:11 · 1012 阅读 · 0 评论