FSALICEALEX的博客

2020.2.16https://zhuanlan.zhihu.com/p/107060834，https://arxiv.org/pdf/2002.05709.pdfHinton组力作：ImageNet无监督学习最佳性能一次提升7%，媲美监督学习。https://www.zhihu.com/question/355779873，https://arxiv.org/pdf/1911...

YOLACT: Real-time Instance Segmentationhttps://arxiv.org/abs/1904.02689https://zhuanlan.zhihu.com/p/62652145We present a simple, fully-convolutional model for real-time instance segmentation tha...

一、简介在YOLO之前所采用得方法，通常是两个阶段(two-stage)的检测方法，首先生成大量的bbox（bounding box），之后根据bbox在特征层上的映射来进行分类(classification)以及进一步的bbox位置修正（regression）。而YOLO将目标检测问题化为了一个回归问题，直接从图像映射得到bbox和类别概率。它相比two-stage的方法有两个有点：1.快。...

YOLOv1的结构很简单，和一般的分类网络差别不大。主要是损失函数的设计以及对于训练过程的设计，还有就是网络输出代表的含义。YOLOv1的输出是一个7*7的矩阵，它假设网络相应index的输出对应于输入图片相应的grid，每个index对应几个b-box，这个b-box是有限定的，它的中心处于grid中，因此我们的目标之一应该是是判断grid中是否包含某个物体的中心，假如中心没有包含在gr...

一、简介R-FCN是一个与faster r-cnn有类似结构的two-stage网络，首先通过一个网络共同提取特征，之后通过一个RPN来提出候选框，然后对候选框进行微调以及对物体进行识别。RPN与faster r-cnn一样，改变的是后面的网络，R-FCN使用了一种全卷积网络结构，降低了最后一层全连接层所带来的速度影响，而且提出了两个概念：translation-invariance以及tr...

一、简介SSD提出于2016年三月20日，比YOLO v1早两个月，但是它其中提到了YOLO，所以应该是比YOLO晚的。SSD也是一个one stage方法，它其中的改进包括：1.使用小卷积及取预测类别和定位偏差，2.使用不同的filter去对于不同宽高比(aspect ratio)进行判断，3.在多个feature map上进行判断。二、基本思想对于每个feature...

本来是打算总结R-FCN的，但是我发现SPP和Over-Feat在很多地方都有提到，所以先对这两个东西进行一个总结。SPP网络的思想很简单，但是这篇论文却写出了很多东西，这一点很值得学习。一、简介SPP的提出是为了解决CNN固定输入的问题，这导致了在面对不同大小图片的时候，它只能使用裁剪或者缩放的方法获得与CNN输入大小一致的图片，但是这些方法会对物体产生形变，会丢失信息。SPP有几个很...

趁热打铁，把OverFeat总结了。一、简介这个文章中提出了一种较为通用的结构，并将其应用在了识别(classification)、定位(localization，只有一个物体，要给出位置)、检测（detection，可能有0到多个物体）。并且将其使用的特征提取器命名为了OverFeat（仅仅是一个名字，文中也没有给出解释）。这篇论文或许是很早一批将CNN利用到多种不同任务上的一种尝试，因...

这里只简要介绍一下YOLOv2，谈谈想法。关于YOLOv2，下面的这篇介绍的已经很详尽了：https://www.jianshu.com/p/032b1eecb335首先罗列一些它做了什么：从上往下数：1.BN，在所有的卷积层后面添加BN层，移除dropout2.high resolution classifier，在高分辨图像上对分类网络finetune3.co...

一、简介Cascade R-CNN是为了解决训练时用来定义FP和TP的IOU值选取的问题，并且提出了一种结构来利用该IOU值不同所带来的好处，贡献体现在对于定位能力的改进上，也就是IOU值。一般而言，这个值定为了0.5，那么其他的值呢？作者做了实验，观察到以下现象：其中，图(d)中绘制的是随着定义TP的IOU阈值的变化，根据不同的u训练出来的检测器，AP的变化。可以看出来，在IO...

一、简介目标检测有大量的算法，这篇文章对其中正负样本的选取方法进行了总结。对于正样本，是回归与分类都进行，而负样本由于没有回归的对象，不进行回归，只进行分类（分类为背景）。二、正文1.Fast R-CNN构造如下：步骤是1.selective search -> ROIs -> 筛选 -> ROIs2.ROIs + feature map -&g...

1.问题COCO数据集中存在的两个问题：1.大量小物体 2.尺度变化极大Therefore,most object instances in COCO are smaller than 1% of imagearea! To make matters worse, the scale of the smallest and largest 10%of object instances i...

FSAF: Feature Selective Anchor-Free Module for Single-Shot Object Detection两个部件：anchor free 模块，layer选择模块。FreeAnchor：