深度学习
MatthewHsw
搬砖新兵
展开
-
Anchor Loss: Modulating Loss Scale based on Prediction Difficulty
一篇比较有意思的文章,用来增强模型对易混淆样本的学习,有别于传统的CE和Focal Loss。文章链接:arxivcode: githubwhy need this理由很简单,我们在做类似分类任务的时候,模型最终往往都会输出一个概率,我们会在输出的所有类别的概率中挑选其中最大的一个作为模型的输出。大部分情况下这种做法是没有问题的,但对于一些易混淆的任务来说,例如图片分类中一些看着相似但类别不一致的图片,人体姿态估计中两个相对的左右关节,这些都会对模型的输出造成一定的困扰。如文章中图1所示:对于人体原创 2020-06-04 19:36:14 · 420 阅读 · 0 评论 -
HetConv: Heterogeneous Kernel-Based Convolutions for Deep CNNs
CVPR 2019的文章, arxiv链接为了设计一个轻量化的深度学习网络, 文章提出了名叫Heterogeneous Kernel-Based Convolution, 简称HetConv的卷积操作. 首先回顾下之前提出来的轻量型网络的结构方式, 主要分为以MobileNet为代表的深度可分离卷积+逐点卷积(DWC+PWC), 及以ShuffleNet为代表的分组卷积+逐点卷积(GWC+PWC...原创 2019-03-14 21:10:12 · 1129 阅读 · 3 评论 -
Anchor-free Object Detector综述(不定时更新)
DenseBox (2015) (https://arxiv.org/abs/1509.04874)densebox最早提出来是用来检测人脸的, 其有两个主要贡献, 第一是提出使用一个完整的FCN来预测box而不需要预先的proposal, 而且是end2end的训练过程; 第二是提出了用目标上已有的关键点信息来辅助box的定位.为了节省训练时间, densebox没有直接把一整张图片都丢进...原创 2019-04-29 19:33:11 · 4805 阅读 · 1 评论