2019年04月_呆呆的猫

09月 08月 07月 06月 05月 04月

原创【目标检测】9、Feature Selective Anchor-Free Module for Single-Shot Object Detection

摘要本文建立了一个“无锚点特征选择模型”（feature selective anchor-free，FSAF），是一个简单有效的针对单目标检测的模块。可以探入具有特征金字塔结构的单目检测器FSAF模型打破了一般的基于anchor的目标检测的缺陷：启发式引导特征选择overlap-based锚点采样FSAF模型的一般机制：将在线特征选择应用于多级无锚点分支的训练无锚点分支和特征金.........

2019-04-24 17:40:39 2855

原创【目标检测】16、Pelee: A Real-Time Object Detection System on Mobile Devices

摘要目前在计算能力和内存资源有限的移动设备上运行卷积神经网络模型的需求越来越大，这样一来就刺激了对高效模型的设计和研究。MobileNet、ShuffleNet和MobileNetV2等高效的网络结构，然而这些模型高度依赖于深度可分离卷积网络，在很多深度学习框架中难以实施。基于此，本文提出了一种有效的结构，名为PeleeNet，使用传统的卷积网络。在ImageNet ILSVRC 201.........

2019-04-17 19:07:51 2843

原创【实例分割】4、YOLACT: Real-time Instance Segmentation

摘要本文提出了一个简单的全卷积网络来实现实时的实例分割（from 加州大学戴维斯分校）MS COCO数据集——mAP=29.8%，33fps，在单个Titan Xp上实验，比目前任一方法都要快速，并且只使用了单个GPU。为何获得如此好的效果：将实例分割任务分成了两个并行的过程：产生一系列模板mask预测每个实例mask的系数之后将模板mask和实例mask系数进行线性组合来获得实......

2019-04-11 21:29:53 23630 8

原创【目标检测】5、Faster R-CNN

摘要最先进的目标检测网络算法是基于区域候选方法来预测目标位置，SPPnet和Fast R-CNN已经减少了检测网络的运行时间，但是候选区域的计算量仍然是网络的一大瓶颈。本文引入了区域候选网络RPN，和检测网络共享整幅图像的卷积特征图，使得候选区域的开销很小。RPN是一个全卷积网络，能够同时预测目标框边界和每个位置的得分。RPN是利用端到端的方式来生成高质量的候选区域，和Fast R-CNN结.........

2019-04-08 21:14:28 2928

原创【目标检测】4、Fast R-CNN

文章目录摘要1. 引言1.1 R-CNN和SPPnet1.2 本文贡献点2. Fast R-CNN的框架和训练过程2.1 RoI pooling层2.2 从预训练网络初始化2.3 针对检测任务的微调2.4 尺度不变性3. Fast R-CNN的检测3.1 使用截断SVD来进行更快的检测4. 结果4.1 实验配置4.2 VOC2010和2012的结果4.3 VOC 2007数据集上的结果4.4 训练......

2019-04-03 20:22:45 1675

原创【目标检测】3、SPPNet

SPPNetSpatial Pyramid Pooling（空间金字塔池化）一般的CNN结构中，对输入大小要求固定，但在现实中通常会使用crop和warp来将大小统一，这样做会破坏图像的纵横比，何凯明提出了SPP，连接在最后一层卷积层。下图中左边为裁剪（crop），右边为拉伸（crop）SPP特点：SPP可以产生固定大小的输出使用多个pooling窗口SPP可以使用同一图像不同......

2019-04-03 20:22:01 558

原创【目标检测】2、R-CNN

Rich feature hierarchies for accurate object detection and semantic segmentation 2014文章目录摘要1. 引言2. 利用R-CNN进行目标检测2.1 模型设计2.2 测试过程2.3 训练过程2.4 PASCAL VOC 2010-2012 的实验结果2.5 ILSVRC2013 的检测结果3. 可视化，简化和错误模......

2019-04-03 20:20:17 1467

原创【目标检测】1、基础内容

文章目录1. 目标检测是什么2. 目标检测基础2.1 候选框提取2.2 特征提取2.3 分类器3. 目标检测性能评估参数1. 目标检测是什么目标检测是给定一个图像，找到其中的目标及其位置，并对目标进行分类，目标检测通常是在一组固定的类上进行训练的，所有模型只能定位和分类已训练的那些类，而且目标的位置通常都是边界矩阵的形式（包含左上角位置和宽+高），所以目标检测需要设计图像中的目标的位置信息和对.........

2019-04-03 20:17:37 12992 1