- 博客(5)
- 收藏
- 关注
RSS订阅原创 【论文笔记】Rethinking Classification and Localization for Object Detection
【论文笔记】Rethinking Classification and Localization for Object Detection简述 这是一篇发表在CVPR2020的目标检测方面的文章。文章主要研究的是R-CNN类目标检测算法中Head部分的设计,也就是在RoI pooling后，对特征进行classification和bounding box regression的过程，即下图中红框里的部分。 Head部分常采用两种设计：(a)全连接方式或(b)卷积方式，然后回归出类别和位置偏移量，
2020-07-27 16:02:44
2546
原创 【论文笔记】Exploring Self-attention for Image Recognition
【论文笔记】Exploring Self-attention for Image Recognition简述 这篇文章发表在CVPR2020。作者提出一种将self-attention机制应用到图像识别领域的方法。作者认为，使用卷积网络进行图像识别任务实际上在实现两个函数:特征聚集(feature aggregation): 即通过卷积核在特征图上进行卷积来融合特征的过程。特征变换(feature transformation): 在卷积完成后进行的一系列线性和非线性变换（比如全连接和激活函数.
2020-05-09 00:43:30
9257
5
原创 【论文笔记】Learning Region Features for Object Detection
Introduction 深度学习领域有一个特别值得关注的趋势：以往许多特征、算法组件和一些设计上面临的选择都是通过人工设计和类似启发式的方式实现，但是这些方法正慢慢地被以数据驱动，“可学习”的方法取代。以目标检测算法为例：YOLO,Faster R-CNN,SSD等算法在生成候选框环节，都需要预先设定好的大小不同的Anchor，这就带有明显的人工设计痕迹；而最近提出的CornerNet则是A...
2020-03-01 22:53:55
597
原创 【论文笔记】Non-local Neural Networks
Introduction 本文借鉴了传统图像处理中经典的Non-local mean方法，提出了一种称为Non-local block的结构用来捕获长距离序列中的依赖信息（“capturing long-range dependencies”）。作者通过实验证明这种结构设计对动态的视频分类和静态的目标检测、语义分割和关键点检测等任务中、都有较明显的提升。 在处理视觉任务的CNN网络中，使用...
2020-02-20 18:08:44
468
1
原创 Mask R-CNN的几点总结
Faster R-CNNMask R-CNN是在Faster R-CNN基础上稍作修改得来的，如果理解了Faster R-CNN，那么对Mask R-CNN理解也很容易。强烈推荐这篇Faster R-CNN解读文章，讲解得很详细：一文读懂Faster R-CNNMask R-CNN用于实例分割任务，其网络结构与Faster R-CNN基本相同，通过Convnets提取特征，Region P...
2020-02-17 19:45:16
754
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