MSRA 的 Jifeng Dai, Yi Li, Kaiming He, Jian Sun 等人今年早些时候的arxiv论文:R-FCN: Object Detection via Region-based Fully Convolutional Networks(https://arxiv.org/abs/1605.06409),提出了一个类似于Faster R-CNN的方法(但比后者快2.5-20倍),引入了position-sensitive score maps和position-sensitive ROI pooling。
虽然Kaiming He已经去了Facebook,但这项工作还在继续,研究人员最近放出了代码:https://github.com/daijifeng001/R-FCN
training data | test data | mAP | time/img (K40) | time/img (Titian X) | |
---|---|---|---|---|---|
R-FCN, ResNet-50 | VOC 07+12 trainval | VOC 07 test | 77.4% | 0.12sec | 0.09sec |
R-FCN, ResNet-101 | VOC 07+12 trainval | VOC 07 test | 79.5% | 0.17sec | 0.12sec |
论文笔记推荐:[论文阅读]R-FCN: Object Detection via Region-based Fully Convolutional Networks by 沅晨
机器学习课程推荐:
“统计机器学习入门——老司机带你读经典”系列课程使用经典的ISLR(An Introduction to Statistical Learning with Applications in R)为教材,结合具体案例,介绍统计学习的基本概念和常用算法,希望大家能够在以下方面有所收获:
- 统计机器学习的基本概念和方法论。
- 机器学习可以解决什么问题?
- 机器学习技术如何解决这些问题?
- 实际应用中有哪些需要注意的问题和技巧?