![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
文章平均质量分 72
CVPR2021
给阿姨倒一杯卡布奇诺
展开
-
ACNet论文阅读心得
ACNet论文阅读心得作者及其所在团队在国内外相关领域所处水平:Xiaohan Ding清华大学博士- 长期从事机器学习与计算机视觉领域的研究,已经在国际顶级人工智能、机器学习、计算机视觉会议上以第一作者身份发表论文4篇;联系方式:dxh17@mails.tsinghua.edu.cn丁贵广2006年—至今 清华大学软件学院教师2004年—2006年 清华大学自动化系博士后联系方式:dinggg@tsinghua.edu.cn主要从事多媒体信息检索与管理相关研究工作,包括:多媒体内容理解原创 2021-02-04 11:20:17 · 500 阅读 · 0 评论 -
Training Very Deep Networks论文笔记
Training Very Deep Networks论文笔记作者及其所在团队在国内外相关领域所处水平:Jürgen Schmidhuber:LSTM之父、 深度学习元老, 瑞士人工智能实验室(IDSIA)的研发主任,被称为递归神经网络之父。 本人创立的公司Nnaisense正专注于人工智能技术研发。此前,他开发的算法让人类能够与计算机对话。RupeshKumar Srivastav:Jürgen Schmidhuber的学生Klaus Greff:Jürgen Schmidhuber的学生原创 2020-11-16 19:56:34 · 334 阅读 · 0 评论 -
《Densely Connected Convolutional Networks》论文心得
《Densely Connected Convolutional Networks》论文心得作者及其所在团队在国内外相关领域所处水平:**黄高:**美国康奈尔大学计算机系博士后主要研究领域为深度神经网络的结构设计与优化算法,以及深度学习在计算机视觉与自然语言理解中的应用。目前已发表学术论文20余篇,被引用次数达1000余次;其中一篇综述论文被中国科学技术信息研究所评选为2015年全国百篇最具国际影响学术论文;会议论文“Densely ConnectedConvolutional Networks”获得国原创 2020-11-06 09:37:45 · 279 阅读 · 0 评论 -
半锚式检测器:Semi-Anchored
半锚式检测器:Semi-Anchored摘要: 目前标准的一阶段检测器主要包括两个任务:分类和回归。引入锚框策略有利于减轻多尺度目标回归的挑战,但是锚框中的类不平衡问题会导致分类性能降低;无锚框策略有利于分类器任务,但是缺乏先验框所以难以回归到最优值。本文提出了一个半锚式检测器(Semi-Anchored),在分类过程中确定正位置,并且将多个anchors与回归的正位置相关联。问题起源: 采用锚框时背景候选框的数量明显大于前景候选框,这种不平衡的框会提升目标检测的难度(不同区域会匹配不同尺度的锚原创 2020-10-26 22:39:48 · 315 阅读 · 1 评论