- 博客(8)
- 收藏
- 关注
RSS订阅原创 论文阅读体会——Cascade R-CNN: Delving into High Quality Object Detection
二是训练和预测使用不一样的阈值导致不匹配现象，从而使评估性能下降，作者使用不同IoU阈值的级联R-CNN检测网络，在COCO数据集上，对Faster R-CNN、R-FCN和FPN，Cascade操作均能稳定提升3-4个点左右，Cascade R-CNN在检测器体系结构中具有广泛的适用性，独立于基准检测网络的强度，获得了一致的增益（对不同的检测器：Faster R-CNN、R-FCN和FPN等等，都能获得准确率提升）。图1c说明回归后的输出IoU优于输入的IoU，图1d说明一味设置高的IoU效果未必好。
2023-10-12 19:00:34
63
原创 论文阅读体会——High-performance medicine: the convergence of human and artificial intelligence
3、作者清楚的介绍了人工智能与医学结合的“是什么”、“为什么”，而对“怎么做”却描绘不全，虽然作者介绍了特别多的related work，阐述了一个个成功结合二者的实例，这可以被当作是介绍了 “怎么做”，但我觉得只通过介绍related work，只是解决了“为什么”这一层次，应该给一个人工智能解决医学某一问题的基本的方案，作者大部分说的结合都是和图像的分析相关，那就应该给出一个解决图像分析问题的流程。文章总共引用了200多篇文章，论述有力，展示出了作者详实的领域基础和深厚的功力。
2023-10-12 18:52:57
52
原创 论文阅读笔记——RFBNet
论文阅读笔记——Receptive Field Block Net for Accurate and Fast Object Detection（RFBNet）论文链接：https://arxiv.org/abs/1711.07767 代码地址：https://github.com/ruinmessi/RFBNet摘要现代的基于CNN的目标检测器依靠边界框回归和非最大值抑制来定位目标。虽然类标签的概率自然地反映了分类的可信度，但缺乏定位的可信度。这使得适当的局部边界盒在迭代回归过程中退化，甚至在
2023-10-12 18:49:39
139
原创 【目标检测】综述阅读笔记：A Survey of Deep Learning-based Object Detection
目标检测系列文章目录综述阅读笔记：A Survey of Deep Learning-based Object Detection论文链接：https://arxiv.org/pdf/1907.09408.pdf摘要目标检测是计算机视觉中最重要、最具挑战性的方向之一，在人们的生活中有着广泛的应用，如安全监控、自动驾驶等。随着深度学习的快速发展，目标检测器的性能得到了极大的提高。为了全面、深入地了解目标检测领域的主要发展现状，本文首先分析了现有典型检测模型的方法，并对基...
2022-05-27 18:21:05
608
原创 论文阅读笔记——IoU-Net
论文阅读笔记——Acquisition of Localization Con dence for Accurate Object Detection（IoU-Net）论文链接：https://arxiv.org/abs/1807.11590代码地址：https://github.com/vacancy/PreciseRoIPooling摘要现代的基于CNN的目标检测器依靠边界框回归和...
2020-04-28 15:40:00
641
原创 玩赚基金
零基础学基金1.交易理念看了很多股票交易书籍，前面讲概念，后面讲分析，讲技术分析，但却忽视甚至不讲这些方法存在什么问题，有什么优劣，适合什么样的情况。几种交易理念价值投资波段交易短线交易超级短线常犯错误：从来不考虑大盘如何，不会空仓。 在大盘不行的时候，大部分股票都在跌，这个时候去买，是不划算的。慢涨慢跌能赚钱，但在大盘恐慌下跌中不会空仓，没有大盘过滤系统，往往会亏很大，甚...
2020-04-18 18:30:50
302
转载 基金小常识
转自：https://zhuanlan.zhihu.com/p/44404537?utm_source=wechat_session&utm_medium=social&utm_oi=893120908737249280，转载目的便于自己查看学习一、什么是基金1.1.股票vs债券vs基金股票：代表一种股权（拥有权），和企业共进退。债券：代表一种债权，利息不收经营影响...
2020-03-02 22:53:10
693
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人