超级会员免费看
本文介绍了2021年目标检测领域的优化技术，包括Sparse R-CNN、Mix up、Label Smoothing、Cosine learning rate decay等，并探讨了数据增量策略、Synchronized Batch Normalization和Random Shapes Training在目标检测中的应用。此外，还提到了针对少样本检测的Dense Relation Distillation方法。文章提供了相关论文和开源代码链接。
2021.10.9
Dense Relation Distillation with Context-aware Aggregation for Few-Shot Object Detection, CVPR 2021
密集关系蒸馏与上下文感知聚合用于少镜头目标检测，CVPR 2021
Sparse R-CNN：稀疏框架，端到端的目标检测（附源码）
GitHub - PeizeSun/SparseR-CNN: End-to-End Object Detection with Learnable Proposal, CVPR2021
为了解决目标检测任务中小目标检测精度低、误检、漏检率高等问题，有研究者提出了一种新的目标检测方法。
订阅专栏 解锁全文
697
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
