![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文
文章平均质量分 50
夏夏今天学习了吗
拜托~会写代码的女孩子超酷的耶
展开
-
Focal Loss for Dense Object Detection
该论文主要想解决在目标检测one-stage中正负样本数量差异过大,本文中将更多的注意力放在难分类的错误分类上,重点训练困难的负样本,这篇文章是首次one-stage目标检测算法的性能超过two-stage的目标检测算法。 该论文中提出了一种新的损失focal loss 损失,该损失能够使得正样本的损失变小,负样本也变小,但相比于正样本缩放比例微不足道。感觉类似于softmax操作。 网络架构采用Resnet+FPN的结构,最后输出的维度中K为classes的个数,不包括背景,A为预测框的个数,与F原创 2022-05-08 09:42:47 · 657 阅读 · 0 评论 -
Bounding Box Regression with Uncertainty for Accurate Object Detection 论文
这篇论文发表在2019CVPR上,旨在解决人工标注有遮挡,不明确信息(如上图所示)带来的目标检测算法性能降低的问题。 论文的主要新颖点: 1.使用KL散度替换smooth L1 loss 2.对soft-NMS的后续处理中采用var voting 的方式,来预测候选框的位置 为什么这样做,论文中指出使用KL散度 (1)可以成功地捕获数据集中的歧义。包围盒回归器在包围盒不明确时损失较小。 (2)学习的方差在后处理过程中是有用的。我们提出了VAR投票,在NMS过程中,使用邻居的位置加...原创 2022-04-27 11:27:01 · 193 阅读 · 0 评论