- 博客(5)
- 收藏
- 关注
RSS订阅原创 OPANAS: One-Shot Path Aggregation Network Architecture Search for Object Detection论文阅读
One-Shot Path Aggregation Network Architecture Search for Object Detection1.做了什么？（1）此文提出了一种新的单次路径聚合网络结构搜索算法，显著提高了搜索效率和检测精度。引入自顶向下、自底向上、融合-分裂、尺度均衡、跳跃-连接和无操作这六个异构信息路径来构建搜索空间。（2）提出了一种新的FPN搜索空间，在该空间中，每个FPN候选对象都由一个紧密连接的有向无环图(每个节点是一个特征金字塔，每个边是6条异构信息路径之一)表示。（
2021-04-01 09:12:18
1267
原创 Unsupervised Image Super-Resolution using Cycle-in-Cycle Generative Adversarial Networks论文阅读
Unsupervised Image Super-Resolution using Cycle-in-Cycle Generative Adversarial Networks论文阅读1.存在的问题：低分辨率图像作为输入时，由于噪声和模糊会进一步退化。这种复杂的设置使得有监督学习和准确的内核估计成为不可能。2.解决方法：采用无监督学习，使用没有配对数据，以生成式对抗网络(GAN)为基本组成部分，提出一种Cycle-in-Cycle的网络结构：（1）将带噪声和模糊的输入映射到一个无噪声的低分辨率空间。
2021-02-23 00:01:25
840
原创 Progressive Attention Guided Recurrent Network for Salient Object Detection论文阅读
Progressive Attention Guided Recurrent Network for Salient Object Detection论文阅读1.存在的问题：（1）基于FCN的方法直接无区别地应用多层次卷积特征，由于冗余细节的干扰，导致结果不佳。（2）现有的算法大多是利用骨干网络提取的side-output特征进行显著性目标检测。然而，骨干网的浅层缺乏获取全局语义信息的能力，这限制了有效的特征学习。2.解决办法:(1) 本文提出了一种新的注意引导网络，它以渐进的方式选择性地整合多层
2021-02-22 00:23:11
260
原创 Structure Inference Net: Object Detection Using Scene-Level Context and Instance-Level Relationships
Structure Inference Net: Object Detection Using Scene-Level Context and Instance-Level Relationships论文笔记做了什么？ 首先我们来看一张图片 由图中我们可以看到，左图（a）在海面上一些小的船只被识别成了汽车，在右图（b）鼠标却没能被识别出来。所以作者觉得上下文的语义对视觉识别极其重要，...
2018-07-22 09:52:55
2119
3
原创 faster-rcnn论文笔记
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks论文笔记- R-CNN,Fast-RCNN,Faster-RCNN的区别- 首先RCNN的提出是为了分类，提取特征框用的是SS方法，其主要的特点就是在整张图上去提取特征框，而它的时间的消耗也就不用说了，并且之后提取出的特征...
2018-04-19 14:45:58
326
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人