目标检测
文章平均质量分 91
不会算命的赵半仙
这个作者很懒,什么都没留下…
展开
-
论文阅读-目标检测(2019)-CenterNet:目标检测转化为关键点检测及其属性回归
CenterNet将目标检测问题转换为一个标准的关键点估计问题,首先将图像喂给一个全卷积网络产生热点图,图上的峰值点对应目标的中心,每个峰值点附近的图像特征来预测目标的宽高,模型训练的方法使用的是标准的密集任务有监督学习,推断则是完全端到端没有nms后处理的方法。原创 2022-04-14 15:27:44 · 794 阅读 · 0 评论 -
目标检测(8):CenterNet-Objects as Points-将目标建模为边界框中心点的方法
论文《Objects as Points》在CornerNet之后提出了又一种全新的思路CenterNet,即将目标建模为其边界框的中心点,方法通过关键点估计来寻找目标的中心点然后对目标所有其他的属性例如尺寸、三维位置、方向和姿态进行回归。在COCO数据集上取得了速度-精度的较好的均衡[142FPS-28.1%AP、52FPS-37.4%AP,1.4FPS-45.1%AP],并且通过微调,CenterNet还可以用于三维目标检测与人体姿态估计。原创 2019-11-26 14:58:51 · 1932 阅读 · 1 评论 -
一阶段目标检测(7)-FCOS 全卷积anchor-free目标检测方法
论文提出了一个不需要预定义锚框的一阶段全卷积目标检测方法—FCOS原创 2019-06-24 21:32:03 · 2455 阅读 · 0 评论 -
2019最新论文阅读-BlazeFace:面向移动设备的实时人脸检测
本文提出了一种高效的轻量级人脸检测框架BlazeFace应用于移动端实时人脸检测,在旗舰设备上FPS达到了200~1000,这种亚毫秒级别的检测方法能够应用在诸多需要快速准确的识别出人脸区域的任务中,例如2D/3D面部关键点识别与几何评估,面部特征和表情分类以及面部区域分割等。原创 2019-07-14 17:27:34 · 1026 阅读 · 2 评论