![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
计算机视觉
isAlbertYu
这个作者很懒,什么都没留下…
展开
-
论文解读 (02)
Rich feature hierarchies for accurate object detection and semantic segmentationRoss Girshick Jeff Donahue Trevor Darrell Jitendra Malik该论文提出了一种简单且可扩展的目标检测方法,其mAP高达53.3%,比VOC 2012最好的结果高出至少30%。该方法有两...原创 2018-12-20 21:34:19 · 1143 阅读 · 0 评论 -
论文速览 (03)
Spatial Pyramid Pooling in Deep Convolutional Networks for Visual RecognitionKaiming He, Xiangyu Zhang, Shaoqing Ren, and Jian Sun1.摘要现存的CNNs都需要一个固定尺寸的input image,本文提出了一种池化方法,称为“Spatial Pyramid Poo...原创 2018-12-22 00:48:10 · 192 阅读 · 0 评论 -
论文解读 (01)
An End-to-End Trainable Neural Network for Image-based Sequence Recognition and Its Application to Scene Text RecognitionBaoguang Shi, Xiang Bai and Cong Yao该论文提出了一种CRNN的架构,用于基于图像的场景文本识别(scene text ...原创 2018-12-19 01:11:35 · 364 阅读 · 0 评论 -
论文解读(04)
Perceptual Losses for Real-Time Style Transfer and Super-ResolutionJustin Johnson, Alexandre Alahi, Li Fei-Fei本文研究了图像转换的问题。在该领域中现有的方法大致有二:一种是使用输出图像与真实图像的per-pixel loss(逐像素损失)训练前馈CNN,第二种是 设计并优化了一种 所谓...原创 2019-01-04 22:38:07 · 880 阅读 · 0 评论 -
论文速览(05)
Generative Adversarial NetsIan J. Goodfellow et al.摘要本文评估生成模型的新方法:对抗网络。同时训练生成器与判别器,生成器的目的是拟合出真实数据的分布,判别器的目的是评估样本为真实数据而非生成数据的概率。在训练过程中,生成器尽最大努力使判别器误判,而判别器将尽最大努力作出正确判断。这实质上为零和博弈,结果为生成器可以复原真实数据分布,生成高...原创 2019-01-09 14:06:46 · 217 阅读 · 0 评论 -
论文解读(06)
Fast R-CNNRoss Girshick摘要本文提出了 Fast R-CNN 作为目标检测的算法。与之前的目标检测算法相比, Fast R-CNN有着创新性的改进,提高了训练与测试的速度,同时也提升了检测正确率。简介当前的目标检测算法为多阶段的算法,其速度较慢而且不都优雅。存在着两个挑战:(1)需要处理大量的候选目标的定位;(2)这些目标只是被粗略的标记了出来,需要进一步的调整来达...原创 2019-01-30 15:50:16 · 786 阅读 · 0 评论