qq_39245207的博客

Author: Anton Milan, S. Hamid Rezatofighi, et al.Time: 2017-02-AAAI需要处理的问题：恢复视频序列中多个目标的时空轨迹。1. 物体检测。给定一个帧序列，然后对每一帧里面的目标进行检测；2. 数据关联。对相邻两帧序列的目标的进行匹配。提出的模型:端到端的在线训练多目标追踪，使用RNN和LSTM符号的设定：...

清华大学的鲁继文等人[i]做了一个使用深度强化学习做的关于视频人脸识别的模型。将视频的注意力发现过程转化为马尔科夫决策过程，并通过深度强化学习框架训练注意力模型，不使用额外的标签。然而，视频人脸通常会出现不受控制的姿势、光照等变化，导致类内距离变大。一些特征会误导和混淆，使得低质量的帧可能会影响识别的性能。 要做的事情：YouTube Video Faces是用来做人脸验证的。在这个数...

是中山大学的学者所做的工作。1.要做的事情使用DRL做多标签的图像识别‘2.网络结构states：current region 的特征；reward：分类的正确与否；action：寻找attention local，且在attention区域进行分类；3. 过程首先，将原始图片输入进一个VGG16的卷积层的网络（如下图），得到feature map 。然后经...

1. 要做的事情object detection2. 提出的网络架构3. 里面的参数4. scale-transfer module如下图所示：5. detection使用的是和SSD算法一样的思想：5.1 SSD算法：一种直接预测bounding box的坐标好类别的object detection算法，没有生成proposal的过程。针对不同大小...

https://blog.csdn.net/qq_21949357/article/details/80031891

2017-11-CVPR-Single-Shot Refinement Neural Network for Object Detection1，要做的事情Object detection2. DatasetPASCAL VOC,，MS COCO3. Network首先，将image 输入到VGG 16或者Res-Net 101中提取特征，其中会有很多个feature ...

1.要做的事情多目标检测2. 数据集COCO和VOC073. 网络结构其中，先经过一个VGG16 提取特征，最后一层的conv层的参数不一样，会得到不同制度的特征。然后输入到detections部分。SSD方法基于前馈卷积网络，该网络产生固定大小的边界框集合，并对这些边界框中存在的目标类别实例进行评分，然后进行非极大值抑制步骤来产生最终的检测结果。3.1一些概念...

1. 任务进行图像识别2. 网络 图A3. 网络中的细节3.1 名词解释为location。gt为glimpse vector。ht-1是internal state。at是action，有两个作用：通过感知控制下一时刻lt来决定如何布置感知器；一个可能会影响环境状态的环境的作at。3.2 glimpse vector         图一  图...

1. 数据集PASCAL VOC 20122. 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 bo...