SWIN-transformer
思路:说白了,全文思路其实只有一个,如何合理的做windows partition,来实现不同范围和区域内patch的self attention,一个是自下而上window scale越来越大,一个是不规则的window,其实创新性一般,但毕竟屠榜,只能说微软GPU真多。
General Instance Distillation for Object Detection
思路:通过confidence选的RPN区域,而不仅局限于使用教师网络输出,构建三种网络修正的目标,最终达到学生网络性能优于教师网络(loss内存在重复项)
Towards Open World Object Detection
思路:开辟一个新的问题,检测前景里未被标注的目标,backbone使用fasterrcnn,设计聚类目标回归网络,在一阶段通过IOU以及obeject confidence选出候选unknown目标,并用能量方程做二次筛选。
Multiple Instance Active Learning for Object Detection
思路:主动学习,通过最大化最小化两个分类目标函数在unlabel数据上的结果,找到out distribution的数据,类似要筛子的操作,左右晃动,最后倾向性差的数据被留在了中间,再通过添加前景置信度到目标函数,reweight网络参数,使得对distribution的预测更关注前景目标。
Involution
思路:channel方向做一维卷积预测卷积系数以实现空间特异,通道不变
Nex
思路:后续继续整理
CVPR2021论文阅读记录
最新推荐文章于 2024-08-30 15:46:07 发布