![](https://img-blog.csdnimg.cn/f330ce66e3474c6e868751c876677b87.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
目标检测领域论文要点总结
文章平均质量分 96
本人学习的OB task论文总结笔记库
汪老板的员工1228
人工智能初学者
展开
-
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。原创 2023-01-16 16:17:46 · 1601 阅读 · 0 评论 -
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。原创 2023-01-09 22:52:12 · 5358 阅读 · 2 评论 -
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原创 2022-11-21 20:42:07 · 2637 阅读 · 3 评论 -
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原创 2022-11-09 19:44:02 · 2821 阅读 · 0 评论 -
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。原创 2022-11-02 21:05:01 · 462 阅读 · 0 评论 -
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。原创 2022-10-30 11:46:14 · 402 阅读 · 0 评论