2017年04月_cv_family_z

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月

原创 MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

TensorFlow实现：https://github.com/Zehaos/MobileNet caffe实现：https://github.com/pby5/MobileNet_CaffeMobileNets用于手机或嵌入式视觉应用，提出使用depthwise separable convolutions 构造轻量化的深度神经网络，并使用两个全局超参数Width Multiplier和Reso

2017-04-27 11:41:22 5212 4

原创图像分割“Instance-aware Semantic Segmentation via Multi-task Network Cascades”

模型包含三个网络：实例分辨，掩码计算，目标归类。三个网络形成级联的结构。运行时间上，使用VGG-16一张图片需360ms。在MS COCO 2015分割比赛中获取第一名。将instance-aware语义分割分成三个子任务：1.实例分辨，使用类别无关的bbox表示实例；2.掩码估计，估计每个实例的像素级掩码；3.目标分类，预测每个掩码级别实例的类别。论文提出的多任务学习时级联结构，下一阶段依靠上一阶

2017-04-18 16:18:06 3289 3

原创目标检测“A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection”

如何训练一个目标检测器，对遮挡和形变鲁棒，目前的主要方法是增加不同情况的图像数据，但这些数据有时又特别少。作者提出使用对抗生成有遮挡或形变的样本，这些样本对检测器来说比较困难，使用这些困难的正样本训练可以增加检测器的鲁棒性。与Fast-RCNN比较，在VOC2007上，mAP增加了2.3%，VOC2012上增加了2.6%。不同遮挡或形变的物体如下图所示： Fast-RCNN检测器损失函数有两项，s

2017-04-13 11:41:08 6102 1

原创车辆检测“DAVE: A Unied Framework for Fast Vehicle Detection and Annotation”

检测车辆的同时对车辆进行属性标记，DAVE包括两个网络，一个快速proposal网络FVPN，和一个属性学习网络ALN，属性学习获取车辆的姿态，颜色和类型。DAVE实现的功能如下图所示：快速车辆候选区域提取网络FVPN FVPN是一个浅层全卷积网络，有三个卷积层，最大池化和ReLU与前两个卷积层相连，第三个卷积层分成3个1*1的卷积层分支，conv_fc_class输出正负卷积softmax概率，

2017-04-05 15:24:47 2309 12

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

原创 图像分割“Instance-aware Semantic Segmentation via Multi-task Network Cascades”

原创 目标检测“A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection”

原创 车辆检测“DAVE: A Uni ed Framework for Fast Vehicle Detection and Annotation”

空空如也

空空如也

原创图像分割“Instance-aware Semantic Segmentation via Multi-task Network Cascades”

原创目标检测“A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection”

原创车辆检测“DAVE: A Unied Framework for Fast Vehicle Detection and Annotation”