2018年01月_lanyuxuan100

转载【转】Caffe2 - Detectron 安装

转自：http://blog.csdn.net/zziahgf/article/details/79141879Detectron 安装Detectron 项目地址基于 Caffe2.Detectron 项目：Feature Pyramid Networks for Object DetectionMask R-CNN -Marr Prize at ICCV 2

2018-01-30 14:53:21 1973

转载【转】Caffe2 - Detectron 初步使用

转自：http://blog.csdn.net/zziahgf/article/details/79142978Detectron 初步使用Detectron 安装.Detectron 提供了基于 COCO Dataset 的推断和训练使用说明 - Using Detectron.1. Detectron Model ZOO 和 BaselinesDetectr

2018-01-30 14:38:55 6002 2

转载【转】Caffe2 - Detectron 图片测试结果

转自：http://blog.csdn.net/zziahgf/article/details/79148668Detectron 图片测试结果随机找的图片进行测试，结果很惊喜，很赞！！！1. Box 与 Maskpython2 tools/infer_simple.py \ --cfg configs/12_2017_baselines/e2e_mask_rcnn

2018-01-30 14:35:23 1289 2

转载【转】【Caffe实践】损失函数解析

转自：http://blog.csdn.net/chenriwei2/article/details/45291739Caffe中的损失函数解析导言在有监督的机器学习中，需要有标签数据，与此同时，也需要有对应的损失函数（Loss Function）。在Caffe中，目前已经实现了一些损失函数，包括最常见的L2损失函数，对比损失函数，信息增益损失函数等等。在这里做一个笔记，归

2018-01-20 21:55:53 382

转载【转】何恺明团队提出Focal Loss，目标检测精度打破现有记录

转自：http://www.win7999.com/news/142051630.html翻译|AI科技大本营（rgznai100）参与 | 周翔，尚岩奇他可谓神童。2009年，在 IEEE 举办的 CVPR 大会上，还在微软亚研院(MSRA)实习的何恺明的第一篇论文“Single Image Haze Removal Using Dark Channel Prior”艳惊四座

2018-01-14 16:13:45 1942

转载【转】视觉分类任务中处理不平衡问题的loss比较

转自：http://blog.csdn.net/weixin_35653315/article/details/78327408问题介绍在计算机视觉（CV）任务里常常会碰到类别不平衡的问题，例如： 1. 图片分类任务，有的类别图片多，有的类别图片少 2. 检测任务。现在的检测方法如SSD和RCNN系列，都使用anchor机制。训练时正负anchor的比例很悬殊. 3

2018-01-14 15:59:36 1145

转载【转】何恺明大神的「Focal Loss」，如何更好地理解？

转自：http://blog.csdn.net/c9Yv2cf9I06K2A9E/article/details/78920998作者丨苏剑林单位丨广州火焰信息科技有限公司研究方向丨NLP，神经网络个人主页丨kexue.fm前言今天在 QQ 群里的讨论中看到了 Focal Loss，经搜索它是 Kaiming 大神团队在他们的论文

2018-01-14 09:23:58 5226 3

转载【转】论文阅读笔记-Segmentation-Aware Convolutional Networks Using Local Attention Masks

转自：http://blog.csdn.net/u012494820/article/details/78944806发表于ICCV2017的论文Segmentation-Aware Convolutional Networks Using Local Attention Masks用segmentation-aware的convolution代替CNN中传统的convolution，使得

2018-01-11 09:56:15 656

转载【转】Deep MANTA论文阅读笔记

转自：https://zhuanlan.zhihu.com/p/25996617（注：阅读笔记有很多自己的主观判断和解释，会有错误与误解之处，也在持续修改中，希望大家能够共同讨论进步，加深理解。）一、研究背景及思路：在2D图像物体检测任务中，RCNN、Fast RCNN、Faster RCNN以及刚发布的mask-RCNN等算法，对于单张图像物体检测均取得了较好的效果，对自动驾

2018-01-11 09:36:02 839

转载【转】CVPR 2017论文解读：用于单目图像车辆3D检测的多任务网络

转自：https://baijiahao.baidu.com/s?id=1573792022850309&wfr=spider&for=pc昨日，CVPR 2017获奖论文公布，引起了业内极大的关注。但除了这些获奖论文，还有众多精彩的论文值得一读。因此在大会期间，国内自动驾驶创业公司 Momenta 联合机器之心推出CVPR 2017精彩论文解读专栏，本文是此系列专栏的第一篇，作者为 Mo

2018-01-11 09:31:03 1522

原创 mask_rcnn的改进

原本mask-rcnn是在faster_rcnn的检测分支基础上，并行的增加一个分割分支，对ROI align的特征图分别进行检测与分割，如下图所示：这样其实训练时候会很慢，而且对同样的ROI使用同一个ROI align没有分开使用ROI align训练速度快，如下图所示：另外，faster_rcnn中送给ROI align的候选区域数量很多，一般有100-300不等，这样其实需要

2018-01-08 09:55:11 11151 12

原创 faster_rcnn中nms thresh对检测结果的影响

在检测流程的测试阶段，当把nms_thresh设置为0.7的时候，对下图中的钟检测结果中有很多得分很高的框：当nms_thresh设置为0.3的时候，钟的检测结果正常：这说明在网络输出的时候，其实是输出了很多得分高的框，只不过后续通过nms的方式将这些框进行了合并，从而达到很好的检测效果。NMS_THRESH表示非极大值抑制，这个值越小表示要求的红框重叠度越小，0.0表示不允许

2018-01-08 09:40:17 7058 5

转载【转】喜报｜科大讯飞摘取Cityscapes评测桂冠，刷新世界记录！

转自：https://baijiahao.baidu.com/s?id=1582931047168007698&wfr=spider&for=pc近日，科大讯飞在国际自动驾驶领域权威评测集Cityscapes获得平均81.4%的精度，取得了该项评测的第一名，并刷新了世界记录。这也是今年科大讯飞继医学影像权威评测LUNA之后在计算机视觉领域获得的又一殊荣。科大讯飞名列Cityscap

2018-01-07 22:28:02 1044

转载【转】初见相关滤波与OTB

人生若只如见，一切都从2013年开始说起，那一年的冬天和往常一样冷。。如果你问别人近几年有什么比较niubility的跟踪算法，大部分人都会扔给你吴毅老师的论文，OTB50和OTB100(OTB50这里指OTB-2013，OTB100这里指OTB-2015，50个和100个序列方便记忆，感谢指正)：Wu Y, Lim J, Yang M H. Online object tracking:

2018-01-06 16:12:35 2172

转载【转】关于Batch Normalization在Caffe中的使用

转自：http://blog.csdn.net/kuaitoukid/article/details/52330950在Caffe中使用Batch Normalization需要注意以下两点，1. 要配合Scale层一起使用，具体参见http://blog.csdn.net/sunbaigui/article/details/50807398以及Residual Network

2018-01-05 21:51:25 339

原创 mask-rcnn中检测分支性能下降调查

在增加mask分支后，mask loss权重设置为0，训练2k次，检测效果下降严重：去除mask分支后，训练2k次，检测效果恢复：目前正在调查是mask分支具体哪部分引起的问题，希望尽快找到问题症结所在。经调查发现是如下分割分支导致的检测功能异常问题，可能反向传播的梯度过大：该问题已经被解决了，采用如下网络结构，这里主要起作用的是bn等操作：最终增加

2018-01-05 15:31:37 1647 1

转载【转】【简评】Understanding Convolution for Semantic Segmentation

转自：https://zhuanlan.zhihu.com/p/26659914【简评】Understanding Convolution for Semantic Segmentationycszen8 个月前本篇论文主要有两个创新点，DUC(dense upsampling convolution)和HDC(hybrid dilated convolutio

2018-01-04 20:26:11 629

lanyuxuan100的博客