论文翻译
文章平均质量分 92
刘可乐呀
这个作者很懒,什么都没留下…
展开
-
【最新损失函数SIOU全文翻译】超越YOLO-V5等先进模型提高了+3.6%
传统的目标检测损失函数依赖于边界框回归指标的聚合,例如预测框和真实框(即GIoU、CIoU、ICIoU等)的距离、重叠区域和纵横比。然而,迄今为止提出和使用的方法都没有考虑期望的地面盒和预测的“实验”盒之间不匹配的方向。这种不足导致收敛速度较慢且效率较低,因为预测框可能在训练过程中“四处游荡”并最终产生更差的模型。在本文中,提出了一种新的损失函数SIoU,其中考虑到所需回归之间的向量角度,重新定义了惩罚指标。应用于传统的神经网络和数据集,表明 SIoU 提高了训练的速度和推理的准确性。在许多模拟和测试中揭示原创 2022-05-30 16:48:16 · 4878 阅读 · 1 评论 -
【超越Swin、ConvNeXt】最新注意力Neighborhood Attention Transformer (NAT)全文翻译
【超越Swin、ConvNeXt】最新注意力Neighborhood Attention Transformer (NAT)全文翻译原创 2022-05-04 15:58:02 · 3911 阅读 · 0 评论 -
【CVPR2022文章翻译】Oriented RepPoints for Aerial Object Detection全文翻译
Oriented RepPoints for Aerial Object Detection全文翻译。CVPR2022,针对旋转目标检测的最新方案!原创 2022-04-05 23:02:33 · 6089 阅读 · 0 评论 -
【GAM全文翻译及代码实现】Global Attention Mechanism: Retain Information to Enhance Channel-Spatial Interactions
为了提高各种计算机视觉任务的性能,人们研究了各种注意机制。然而,以往的方法忽略了保留通道和空间两个方面的信息对增强跨维交互作用的重要性。因此,我们提出了一种全局吸引机制,通过减少信息约简和放大全局交互表示来提高深度神经网络的性能。原创 2022-03-02 10:21:41 · 14223 阅读 · 13 评论