- 博客(1)
- 资源 (3)
- 收藏
- 关注
原创 电子科技大学第一届大象分形比赛个人总结
赛题是基于小数据集的图像分类。数据集还加入了高斯噪声。 我采用了去燥加分类两个过程来解决这个问题,所以模型不是end to end的。 去燥模型采用dncnn网络,论文地址如下: Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising http://cn.arxiv.org/pdf/1608...
2018-10-27 12:20:35 702 2
FCOS: Fully Convolutional One-Stage Object Detection论文解读的ppt
作者提出了一种全卷积,一阶段目标检测网络,通过对每一个像素预测一个目标来解决目标检测问题(没有anchor,特征图上一个位置预测一个目标。anchor的办法是一个位置预测k个目标)。比起RetinaNet, SSD, YOLOV3, Faster RCNN等网络,FCOS不需要anchor,自然也不需要候选框。 通过消除anchor,FCOS避免了和ahor相关的复杂计算,比如在训练过程中要计算anchor和GT的IOU值。更重要的是,毕淼了和anchor相关的超参数,比如anchor的数目,比例和尺寸。FCOS具有更简单的网络结构,实现更高的精度。在单尺度单模型下,COCO上得到44.7%的AP。
2020-01-09
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人