![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测文章
一路狂奔的猪
从事计算机视觉,神经网络研究,自然语言处理等相关方向。擅长人体检测和人体姿态方向。涉猎过的方向:行人检测、弱监督目标检测、语义分割,语义分割域适应,生成对抗网络,迁移学习,多标签,命名实体识别。希望猪猪在学习的路上一路狂奔
展开
-
GHM------Gradient Harmonized Single-stage Detector 从梯度的方向来解决样本不均衡的问题
最近GHM太热门了,因此最近在做GHM的实验,因此做个笔记。 文章:https://arxiv.org/pdf/1811.05181.pdf code:https://github.com/libuyu/GHM_Detection 介绍GHM之前,先提一下 Focal loss: 精辟的介绍Focal loss Focal loss主要是为了解决one-stage目标检测中正负样本比例...原创 2019-03-28 20:37:15 · 3022 阅读 · 2 评论 -
旷视科技提出:最新实时目标检测网络ThunderNet
转自:https://mp.weixin.qq.com/s/XIjQpYjcDKltccLicTOKcQ 国防科大&旷视科技:据我们所知,ThunderNet实现了ARM平台上的第一个实时检测器和最快的单线程速度。 [论文地址](https://arxiv.org/pdf/1903.11752.pdf) 代码即将开源 ...转载 2019-03-31 22:54:31 · 1480 阅读 · 0 评论 -
Revisiting RCNN: On Awakening the Classification Power of Faster RCNN解读
2018ECCV文章,对于faster rcnn 的分类能力的思考: most hard false positives result fromclassification instead of localization. 文中说,大部分的FP是分类错误导致的而不是回归(这个观点我持保留意见)。 We conjecture that: (1) Shared feature represen...原创 2019-07-15 21:48:44 · 443 阅读 · 0 评论 -
CVPR2019 | Libra R-CNN 论文解读
对应了三个问题: 采样的候选区域是否具有代表性? 提取出的不同level的特征是怎么才能真正地充分利用? 目前设计的损失函数能不能引导目标检测器更好地收敛? 对应的三个改进 IoU-balanced Sampling Balanced Feature Pyramid Balanced L1 Loss Balanced L1 Loss: 梯度: 代码实现...原创 2019-08-06 17:53:59 · 776 阅读 · 0 评论