2016-CVPR-Reinforcement learning for visual object detection. 论文笔记

最新推荐文章于 2022-01-10 18:36:36 发布
VIP文章 最新推荐文章于 2022-01-10 18:36:36 发布
阅读量847 收藏 5
点赞数
分类专栏： machine learning reinforcement learning 多标签图像识别 文章标签： 图像识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39245207/article/details/84528150
版权

1. 数据集

PASCAL VOC 2012

2. 网络

检测整体流程如图。从当前检测区域的状态描述St开始，分类器会对当前状态进行评估并给出终止信号。如果终止信号0，则选取新的evidence region(et)并以et为参考输出下一步需要执行的动作，并观察执行效果得到新的状态。如果终止信号为1，说明当前区域包含有需要检测的目标，此时将依据信度最高的窗口执行选定bounding box的动作。并退出迭代。

2.1 训练

刚开始的时候，由选择区域生成region——25000个，然后用CPMC方法产生region proposal，经过Conv layer。

其中, Ht+1=Ht∪{ O

最低0.47元/天 解锁文章
fe_ng_ji
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Distilling-Object-Detectors:CVPR 2019 论文 Distilling Object Detectors with Fine-grained Feature Imitation 的实现
07-24
我们的 CVPR 2019 论文 Distilling Object Detectors with Fine-grained Feature Imitation 的实现 我们提出了一种基于锚点的对象检测模型的通用蒸馏方法，以利用大型教师模型的知识获得增强的小型学生模型，该模型是正交的，可以进一步与量化和剪枝等其他模型压缩方法相结合。 香草知识蒸馏技术的关键观察是预测置信度的类间差异揭示了笨拙的模型如何趋于泛化（例如，当输入实际上是一只狗时，模型将在猫标签上放置多少置信度）。 虽然我们的想法是物体附近特征响应的位置间差异也揭示了检测器倾向于泛化的程度（例如，模型的响应对于不同的近物体锚点位置有何不同）。 我们发布了基于 shufflenet 的检测器和基于VGG11的Faster R-CNN 的提取代码，该代码库实现了基于Faster R-CNN模仿。 检查以获取基于 Shufflene
reinforcement learing for visual object detection - 阅读笔记
AliceArtwork
11-10 1740
2016CVPR的文章，从结构上来看和一般的强化学习 似乎有一些不一样。在给定一张图像的情况下（目标区域蕴含在当前图像中）我们需要从图像的子区块中找到和目标区块最接近的子区块。图像的子区块可以使用简单的bounding-box，也可以使用现在比较新的建议生成方法（我们仅对bounding-box的情况进行讨论，子区块的 选择方式并不影响算法效果）reinforcement learing for
论文阅读--CVPR2018--reinforcement learning
乐兮山南水北的博客
09-19 3180
A2-RL: Aesthetics Aware Reinforcement Learning for Image Cropping Debang Research background Image cropping is a common task in image editing, which can give editor professional advices and save a lo...
【文章解读】FreeAnchor: Learning to Match Anchors for Visual Object Detection
小欧欧的博客
04-04 1598
一、简介 这些年已经有不少基于深度学习的目标检测的文章了，从最开始的Anchor based 到后来的 Anchor Free。但是解读这篇文章，主要是由于他的出发点比较新颖---Free Anchor。 虽然叫Free Anchor，但是依然是Anchor based的方法，只不过他打破了一直以来的Anchor分配机制。 二、回顾Anchor分配机制 ...
Multiple Anchor Learning for Visual Object Detection 论文笔记
qq_30146937的博客
04-24 3368
前言 在基于anchor的目标检测方法中，检测器利用目标与anchor之间的IoU作为分配anchor的标准，每个被分配的anchor独立地监督网络学习，以进行分类与定位。也就是说，分类与定位之间是没有交互的，如果一个检测结果的定位精度较高但分类置信度较低，那么它有可能在NMS操作中被过滤掉。 为了解决这个问题，本文提出Multiple Anchor Learning（MAL），这是一种可以自动学...
Object Detection(目标检测神文)
热门推荐
Mars_WH的专栏
08-21 6万+
目标检测神文，非常全而且持续在更新。转发自：https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html，如有侵权联系删除。 Papers ———————————————————————————————————- Deep Neural Networks for Object Detection Ov...
【CVPR2019】C-MIL: Continuation Multiple Instance Learning for Weakly Supervised Object Detection
01-07
【CVPR2019】C-MIL: Continuation Multiple Instance Learning for Weakly Supervised Object DetectionMIL回顾介绍凸性分析Continuation MIL MIL回顾 介绍 MIL将图片视为“包”，Bi∈BB_i\in BBi​∈B为第iii个包...
[2016-CVPR].Compact Bilinear Pooling.（压缩双线性池化）.v21
08-03
Yang Gao1, Oscar Beijbom1, Ning Zhang2∗, Trevor Darrell1 †Bilinear models has be
Kulkarni-ReconNet-Non-Iterative-Reconstruction-CVPR-2016-paper.docx
06-01
。。。
Python-CVPR2019CVPR20182017论文源码汇总项目
08-10
cvpr2019／cvpr2018/cvpr2019 papers，极市团队整理
FreeAnchor:Learning to match anchors for visual object detecti翻译.pdf
01-20
FreeAnchor:Learning to match anchors for visual object detecti翻译.pdf
FreeAnchor:Learning to match anchors for visual object detection论文翻译.doc
02-20
FreeAnchor:Learning to match anchors for visual object detection论文翻译
Object Detection清单
lien0906的专栏
03-20 3820
HOMECATEGORIESARCHIVESLINKSSEARCHABOUT MEObject Detection Published: 09 Oct 2015  Category: deep_learningJump to...PapersR-CNNFast R-CNNFaster R-CNNLight-Head R-CNNCascade R-CNNMultiBoxSPP-NetMR-CNNYO...
Object Detection(目标检测论文、代码整合)
alphonse2017的博客
12-19 4251
目标检测神文，非常全而且持续在更新。转发自：https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html，如有侵权联系删除。 文章目录PapersDeep Neural Networks for Object Dete...
各种对象检测论文总结(Object Detection )
junmuzi的专栏
12-01 2万+
Original url: http://blog.csdn.net/u010167269/article/details/52563573 https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html Object Detection  Published: 09 Oc
论文阅读：Deep Variation-structured Reinforcement Learning for Visual Relationship and AttributeDetection
Kivee的博客
12-07 1232
VRL（CVPR 2017） 文章   这篇文章使用强化学习来做scene graph的生成，这种方式是逐渐生成式的，每一步会生成一对sub-obj的关系（还有sub的属性），于是场景图就会像树一样，渐渐成型。这样一来，我所了解的目前关系检测的思路一共有三种： 1. 找到连接1，判断关系1–>找到连接2，判断关系2–>……–>找到连接n，判断关系n 2. 找到所有可能连接à依次判...
Object Detection一览
mustar_2017的博客
08-14 3379
转自 https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html Method VOC2007 VOC2010 VOC2012 ILSVRC 2013 MSCOCO 2015 Speed OverFeat       24.3%  
FreeAnchor: Learning to Match Anchors for Visual Object Detection论文详解
Suan2014的博客
09-18 1371
问题 在基于anchor的目标检测算法中，训练时，通常通过anchor和真实object 框之间的IoU来决定该anchor是否用来预测object （包括类别和位置），通常IoU超过某一阈值则认为该anchor为正例（即作为预测object ），小于某一阈值则认为该anchor为背景。本文的思想就是通过修改loss函数去除人工参与指定anchor的过程，使网络能够自主学习选择哪个anchor和真...
ReinforceNet: A reinforcement learning embedded object detectionframework with region selection net
delicate5258的博客
01-10 1510
强化学习嵌入式目标检测框架与区域选择网络 摘要 摘要近年来，研究人员探索了基于强化学习的目标检测方法。然而，现有的方法总是难以令人满意的性能。主要原因是现有的基于强化学习的方法产生了一系列不准确的区域，没有合理的奖励函数，并且由于缺乏有效的区域选择和优化策略，将最后一步的非最优区域作为检测结果。针对上述问题，我们提出了一种新的基于强化学习的目标检测框架，即reinforcement learning，将强化学习agent的动作空间与基于卷积神经网络的特征空间相结合，具有区域选择和细化的能力。在reinf
【文献阅读】Perceptual Generative Adversarial Networks for Small Object Detection –CVPR-2017
最新发布
06-06
好的，我了解了你的要求。关于你提到的这篇论文，是一篇关于小目标检测的研究，作者提出了一种基于感知生成对抗网络...这篇论文发表在2017年的计算机视觉与模式识别会议（CVPR）上。如果你还有其他问题，可以随时问我。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值