![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
物体检测
DeepWWJ
这个作者很懒,什么都没留下…
展开
-
Zero-Shot 物体检测
有关零样本学习(zero-shot learning)的研究,已经在图像物体分类领域取得了一定成果。相比于分类任务而言,物体检测任务不仅需要识别物体,还需要对物体做出定位,问题更加复杂,但是有关物体检测的零样本学习研究却相对较少。这里记录两篇有关物体检测的零样本学习研究,如有错误请更正。原创 2020-07-08 09:28:52 · 3787 阅读 · 1 评论 -
RefineDet + Dynamic Anchor Feature Selection for Single-Shot Object Detection
Single-Shot Refinement Neural Network for Object Detection+Dynamic Anchor Feature Selection for Single-Shot Object Detection两个文章都是关于物体检测的,第二篇文章在第一篇文章的基础上进行的。Single-Shot Refinement Neural Network fo...原创 2019-10-29 21:59:54 · 1201 阅读 · 4 评论 -
yolov3
所有“蒙蔽”都来自于不知道yolov3训练的时候,数据是长什么样子,所以在这主要记录的是对于一张图片,如何生成yolov3的label数据,并不是主要分析网络结构,想看网络结构的要失望了~~~keras yolov3源代码论文数据打标# box_data: (batch, 416, 416, 3)image_data = np.array(image_data)# box_data:...原创 2019-08-21 20:44:25 · 181 阅读 · 0 评论 -
mask-rcnn
用于实例分割的mask rcnn。Mask RCNN在Faster RCNN的基础上添加了一个与box recognition并行的mask branch。ROI AlignFaster RCNN在进行目标检测的时候存在非线性操作,也就是四舍五入的操作。主要体现在两个方面:(1)在Feature Map上根据RPN的输出提取特征(2)使用ROI Pool进行区域对齐。这两个步骤都会使用非线...原创 2019-09-11 10:37:32 · 161 阅读 · 0 评论 -
FCOS: Fully Convolutional One-Stage Object Detection
关键点:(1)semantic segmentation:语义上的物体检测(2)One-Stage:像YOLO,SSD等one-stage模型一样,直接使用feature map上的区域预测回归框和类别,这会保证模型的速率。(3)Anchor Free:对比Yolov3,SSD和Faster RCNN系列使用固定的anchor预测,本论文提出一种不使用anchor的直接检测方法,论文中也建议...原创 2019-09-11 20:12:07 · 204 阅读 · 0 评论 -
Feature Selective Anchor-Free Module for Single-Shot Object Detection
本文提出了一种anchor-free的物体检测策略,其在设计思路上和FCOS网络很相似,只是在实现细节上有所不同,阅读论文的时候就能感觉出来。此外,论文中还介绍了自动选择特征模块,其实就是对比不同level下预测得到的损失,选择损失最小的level进行优化,这样每次在优化的过程中都是优化的“底线”,实验证明文章中提出的anchor-free策略具有不错的预测效果。如何为网络创建anchor-...原创 2019-09-12 15:32:59 · 146 阅读 · 0 评论 -
Faster RCNN
直接切入主题。对于Fast RCNN等一系列算法来说,Selective Search已经成了模型检测速率的一个瓶颈。物体检测算法主要是在GPU上进行的,而Selective Search主要在CPU上进行,这极大的限制了模型的运行速率,所以本文直接弃用了Selective Search,改用RPN网络来产生“候选框”,这样RPN网络可以和物体检测网络一块进行训练,并且可以共享基层的Feature...原创 2019-09-14 16:44:09 · 100 阅读 · 0 评论