- 博客(9)
- 收藏
- 关注
RSS订阅原创 【HSCNN解析】HSCNN：从欠采样光谱图重建高光谱图的CNN网络
本文介绍HSCNN，是一个将欠采样光谱图重建为高光谱图的纯CNN网络，2017年提出。
2024-05-27 11:26:51
761
原创 ATSS论文要点总结（Adaptive Training Sample Selection）
ATSS全名Adaptive Training Sample Selection，是在2020年提出的针对目标检测模型的一种自适应训练（正负）样本选择算法，并不是一种目标检测模型。本文针对ATSS的论文，对其中的有价值的研究结果进行了要点总结。
2023-01-16 16:17:46
1514
原创 DETR（DEtection TRansformer）要点总结
DETR翻译过来就是检测transformer，是Detection Transformers的缩写。这是一个将2017年大火的transformer结构首次引入目标检测领域的模型，是transformer模型步入目标检测领域的开山之作。利用transformer结构的自注意力机制为各个目标编码，依靠其并行性，DETR构造了一个端到端的检测模型，并且避免了以往模型中各种类型的冗余操作，让目标检测问题变得更加简单。
2023-01-09 22:52:12
5305
2
转载 Group Norm（GN 组归一化）笔记
在视觉领域，其实最常用的还是BN，但BN也有缺点，通常需要比较大的Batch Size。对于比较大型的网络或者GPU显存不够的情况下，通常无法设置较大的batch size，此时可以使用GN。为了验证自己理解的是否正确，下面使用Pytorch做个简单的实验，创建一个随机变量，分别使用官方的GN方法和自己实现的GN方法做对比，看结果是否一样。对比官方和自己实现的方法，下图左边是通过官方GN方法得到的结果，右边是通过自己实现GN方法得到的结果。很明显和官方得到的结果是一模一样的，这也说明了自己的理解是正确的。
2022-11-23 21:42:30
1044
转载 GIoU（Generalized Intersection over Union）详解
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/weixin_41735859/article/details/89288493。
2022-11-22 22:27:09
334
原创 FCOS要点解析
FCOS是Fully Convlutional One-Stage的缩写。最初版论文在2019年提出，2020年做了修改。正如它的名字，这是一个在目标检测领域重要的模型
2022-11-21 20:42:07
2617
3
原创 RetinaNet论文总结（Focal Loss）
RetinaNet在2017年提出，是一个里程碑性质的模型。在目标检测领域，作为一个one-stage网络，它首次超过了当时流行的two-stage模型。RetinaNet在模型方面没有颠覆性的创新，使之超越当时流行目标检测模型的原因是提出了新颖的loss计算方式：Focal Loss
2022-11-09 19:44:02
2749
原创 Mask R-CNN要点总结
Mask R-CNN是two-stage目标检测模型，基于Faster R-CNN改进，一作是何恺明大神，还有Faster R-CNN系列的大神Ross Girshick。该论文获得了ICCV 2017的最佳论文奖（Marr Prize）。该网络提出后，霸榜了MS COCO的各项任务，包括目标检测、实例分割以及人体关键点检测任务。Mask R-CNN的结构简洁灵活，并且效果奇好。其仅仅是在Faster R-CNN的基础上根据任务需求加入一些新的分支即可完成不同的task。
2022-11-02 21:05:01
455
原创 YOLOV1要点总结
YOLO作为目标检测领域重要one-stage的模型，从提出之初就受到广泛关注，现在基于YOLO的version层出不穷。本博客作为本人学习笔记，依照YOLOV1原论文总结了YOLOV1的模型要点。本博客主要从其思想、模型搭建、损失函数以及其缺点等展开总结。本博客中YOLO均指代YOLOV1。
2022-10-30 11:46:14
401
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人