目标检测
我早上有起床气
略略略
展开
-
【论文阅读】Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression
主要内容 文章提出两个Loss :Distance-IoU(DIoU) Loss和Complete IoU(CIoU) Loss用于目标检测的Bbox回归,并与IoU Loss和GIoU Loss做了对比,比这两个收敛得更快、更准。此外,DIoU很容易用在NMS中。 Loss 先简单回顾一下IoU Loss和GIoU Loss,再说明文章提出的DIoU Loss和CIoU Loss IoU 先说说...原创 2019-11-22 11:00:35 · 4556 阅读 · 0 评论 -
CornerNet论文记录
Abstract 使用一对关键点来预测检测框,该对关键点为左上角点和右下角点,不使用anchor,另外文章还提出corner pooling。 Introduction 作者认为使用 anchor box有两个缺点:1.正负样本不均衡,密集采样anchor box,但只有少部分的anchor box中有ground truth。2.引入许多超参数,如个数,大小,长宽比。 使用一个ConvNet预测...原创 2019-08-26 15:09:32 · 116 阅读 · 0 评论 -
Bottom-up Object Detection by Grouping Extreme and Center Points
介绍 检测目标的四个极值点和一个中心点,然后通过几何关系进行暴力匹配,将四个极值点分组,开销为O(n4)。该方法相较于CornerNet的优点:1、CornerNet检测左上和右下角点,该两个角点一般在物体之外,没有外观特征不容易检测,极值点检测落在物体上有强烈的外观特征。2、关键点分组采用几何分组,完全基于外观。 注意 数据集标注了极值点 Edge aggregation:极值点进行聚合响应 对...原创 2019-08-27 18:04:29 · 122 阅读 · 0 评论