- 博客(131)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 【论文笔记】：Pyramid Feature Attention Network for Saliency detection
&TitlePyramid Feature Attention Network for Saliency detection代码&Summary在显著性检测算法中，如何提取到更有效的特征是该任务的难点之一。为了解决该问题，我们通过金字塔特征注意网络来注意高语义特征和低维空间结构特征。首先，使用上下文感知金字塔特征提取（Context-aware PyramidFeatureExtraction，CPFE）模块对高级多尺度信息捕捉丰富的语义信息。其次，在CPFE模块后加入通
2020-05-09 13:21:52
1814
原创 【论文笔记】：Stitcher: Feedback-driven Data Provider for Object Detection
&TitleStitcher: Feedback-driven Data Provider for Object Detection代码&Summary目标检测通常根据尺度变化质量，其中对小目标的性能最不令人满意。本文研究了这种现象，发现：在大多数训练迭代中，小目标几乎不占总损失的一部分，从而导致不平衡优化的性能下降。受此启发，本文提出了Stitcher，一个反馈驱动的数据提供商，旨在以平衡的方式训练目标检测器。 在Stitcher中，图像被调整成更小的组件，然后Stitc
2020-05-09 10:20:44
1798
原创 【论文笔记】：ASFF:Learning Spatial Fusion for Single-Shot Object Detection
&TitleASFF:Learning Spatial Fusion for Single-Shot Object Detection代码&Summary不同特征尺度之间的不一致性是基于特征金字塔的单阶段检测器的主要缺陷。本文提出了一种新的基于数据驱动的金字塔特征融合策略，称为自适应空间特征融合（ASFF）。它学习了空间过滤冲突信息的方法来抑制不一致性，从而提高了特...
2020-04-28 16:36:19
6881
3
原创 【论文笔记】：Enriched Feature Guided Refinement Network for Object Detection
&Title&Summary提出了一个单阶段检测框架，该框架解决了多尺度目标检测和类不平衡的问题。首先提出一个特征丰富模块用来提取上下文特征，将提取的多尺度上下文特征注入到一阶段检测器的预测层中，用来增强检测器的判别能力（丰富特征）。接着，提出了一个级联精炼方法，通过细化锚和丰富的特征 （来自特征丰富模块提取出来的上下文特征）来改善分类和回归。简单理解为：提出了一个级联精...
2020-04-27 23:20:34
987
原创 【论文笔记】：TFPN: Twin Feature Pyramid Networks for Object Detection
&TitleTFPN: Twin Feature Pyramid Networks for Object Detection代码IEEE ICTAI2019&SummaryFPN可以通过增强浅层特征来改善小对象检测，但是对于大目标的检测性能不够好。目前主流的解决办法有两种，但都有各自的问题。于是作者提出了TFPN（双特征金字塔网络）结构，在保持FPN在小物体检测...
2020-04-22 23:51:06
981
原创 【论文笔记】：Side-Aware Boundary Localization for More Precise Object Detection
&TitleSide-Aware Boundary Localization for More Precise Object Detection代码&Summary本文提出Side-Aware Boundary Localization(SABL)以取代传统的bbox回归。提取关注于边界内容的边缘感知特征用来定位。提出使用该特征的轻量级two-step bucketi...
2020-04-21 19:50:03
1205
转载 【论文笔记】：Object detection with location-aware deformable convolution and backward attention filtering
&TitleObject detection with location-aware deformable convolution and backward attention filtering代码&Summary本文提出了location-aware deformable convolution以及backward attention filtering模块以提高...
2020-04-20 10:37:40
695
转载 non-local neural network
以下论文笔记摘自：知乎理解non-local：为了能够当作一个组件接入到以前的神经网络中，作者设计的non-local操作的输出跟原图大小一致，具体来说，是下面这个公式：上面的公式中，输入是x，输出是y，i和j分别代表输入的某个空间位置，x_i是一个向量，维数跟x的channel数一样，f是一个计算任意两点相似关系的函数，g是一个映射函数，将一个点映射成一个向量，可以看成是计算一个点的特...
2020-04-11 17:36:43
424
转载 Deformable Convolutional Networks
一、摘要由于构造卷积神经网络 (CNN) 所用的模块中几何结构是固定的，其几何变换建模的能力本质上是有限的。在我们的工作中，我们引入了两种新的模块来提高卷积神经网络 (CNN) 对变换的建模能力，即可变形卷积 (deformable convolution) 和可变形兴趣区域池化 (deformable ROI pooling)。它们都是基于在模块中对空间采样的位置信息作进一步位移调整的想法，该...
2020-04-03 17:11:51
338
原创 【论文笔记】：Cascade RetinaNet
&TitleCascade RetinaNet：Maintaining Consistency for Single-Stage Object Detection（BMVC2019）论文翻译代码&Summary：Motivation作者认为RetinaNet天真的直接将相同设置的多级串联在一起是没有多大收获，主要是类别的置信度和坐标之间的错误联系，以及不同Stag...
2020-03-30 10:42:04
999
1
原创 【论文笔记】：SAPD
&TitleSoft Anchor-Point Object Detection论文翻译代码&Summary问题：how to make the anchor-free detection head better?how to utilize the power of feature pyramid better?解决方法： soften optimiza...
2020-03-26 21:35:32
3175
1
原创 【论文笔记】：MatrixNet
&TitleMatrix Nets: A New Deep Architecture for Object Detection代码&Summary介绍了矩阵网（xNets），这是一种用于目标检测的新的深层体系结构。xNets将具有不同大小和纵横比的对象映射到层中，其中层中对象的大小和纵横比几乎是一致的。 因此，xNets提供了比例和纵横比感知的体系结构。XNets...
2020-03-19 15:33:52
832
原创 【论文笔记】：EFPN
&TitleExtended Feature Pyramid Network for Small Object Detection代码&Summary挑战： 小物体检测仍然是一个尚未解决的挑战，因为很难仅提取几个像素的小物体信息。先前工作： 虽然在特征金字塔网络中进行尺度级别的相应检测可以缓解此问题，但我们发现各种尺度的特征耦合仍然会损害小物体的性能。ours m...
2020-03-19 13:48:31
3159
19
转载 【论文笔记】：PolarMask
&TitlePolarMask: Single Shot Instance Segmentation with Polar Representation代码&SummaryPolarMask基于FCOS，把实例分割统一到了FCN的框架下。在4月份FCOS挂出来之后，我和沈老师就一直在讨论如何进把instance segmentation融合进FCN里。FCOS本质上是...
2020-03-06 17:11:47
646
原创 【论文笔记】：ATSS
&TitleBridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive Training Sample Selection代码&Summary论文主要阐述了对于正负样本的定义和选取对模型最终效果的影响。首先是对比了anchor_free和anchor_base在选取样本时...
2020-03-05 11:51:22
11899
15
原创 【论文笔记】：Residual Bi-Fusion Feature Pyramid Network for Accurate Single-shot Object Detection
&TitleResidual Bi-Fusion Feature Pyramid Network for Accurate Single-shot Object Detection 代码&Summary原始FP缺乏自下而上的途径来抵消来自较低层特征图的丢失信息。它在大型目标检测中表现良好，但在小型目标检测中表现较差。本文提出了一种新的结构“残差金字塔”。双向融合深度...
2020-02-24 23:33:10
3113
1
原创 【论文笔记】：Augmentation for small object detection
&Title:Augmentation for small object detectionCVPR&Summary作者分析MS COCO数据集，以及Mask RCNN在这个数据集上的目标识别、分割性能表现，发现模型对于很小的目标性能较差，认为是两个原因导致的：含有小物体的图片少；即使有的图片含有小物体，小物体出现得少。提出在对存在小目标的图像进行overs...
2020-02-22 14:43:46
1461
2
转载 卷积神经网络的各种操作用途及意义
【前馈神经网络】前馈神经网络也叫做全连接网络。缺点：在图像识别中会将多维向量平铺成一维向量，会丢失像素点之间的距离关系。无法将局部的权重应用到其他位置，带来的后果就是，如果在一个图像的右上角有一只猫，可以正确分类；当这只猫出现在左下角时，无法正确识别。（没有平移不变性）【卷积神经网络】卷积神经网络就是让权值在不同位置共享的神经网络。（卷积神经网络解决了前馈神经网络的什么问题？）...
2020-02-21 14:26:33
11200
原创 【论文笔记】：Learning Rich Features at High-Speed for Single-Shot Object Detection
&Title:ICCV 2019Learning Rich Features at High-Speed for Single-Shot Object Detection代码&Summary作者设计了一个one-stage检测框架，它结合了微调预训练模型和从零开始训练的优点。该框架包括一个预训练过的标准backbone网络，一个轻量级的从零开始训练的辅助网络。此外，...
2020-02-16 14:06:59
2144
原创 【论文笔记】：YOLO v3
&TitleYOLOv3: An Incremental Improvement&Summary两点改进对结果提升比较大：fpn的特征融合（借鉴FPN）改基础网络（借鉴resnet）相比于YOLOv2，改进的地方有：引入了一个新的基础网络，bundingbox取最好预测框的去训练，其他框丢掉，用了FPN，丢掉了softmax改用二元交叉熵。对小目标的检测效果...
2020-02-14 14:58:32
383
原创 【论文笔记】：IPG-Net: Image Pyramid Guidance Network for Object Detection
&Title:IPG-Net: Image Pyramid Guidance Network for Object Detection目前只是公开在arxiv上&Summary在深度卷积网络中，随着卷积层变得更深而导致位置或空间信息的丢失，这种空间信息的丢失导致目标检测中的特征未对准。这里，特征未对齐意味着锚点和卷积特征之间存在一些偏移。除了对视空间信息外，较小的目标...
2020-01-10 16:36:13
2439
原创 pytorch镜像安装【清华源】
常规步骤：首先，先去pytorch官网，找到合适自己环境的命令；注：你用conda安装，就要有conda卸载；用pip安装，就用pip卸载然后，你就会漫长的等待……最后，就会一直出现下面的错误提示，如果要想下载成功，可以中断后在继续下载，再中断，再下载，再中断，再下载……OpenSSL.SSL.Error: [('SSL routines', 'ssl3_get_record', ...
2019-12-17 10:09:41
35737
原创 Pytorch上下采样函数--interpolate()
pytorch torch.nn.functional.interpolate实现插值和上采样什么是上采样：上采样，在深度学习框架中，可以简单的理解为任何可以让你的图像变成更高分辨率的技术。 最简单的方式是重采样和插值：将输入图片input image进行rescale到一个想要的尺寸，而且计算每个点的像素点，使用如双线性插值bilinear等插值方法对其余点进行插值。Unpooling是在...
2019-12-08 19:34:43
47195
5
原创 【论文笔记】：Deep Feature Pyramid Reconfiguration for Object Detection
&TitleDeep Feature Pyramid Reconfiguration for Object Detection代码&Summary目前最好的目标检测器大多通过特征金字塔来学习多尺度表示从而取得更高的检测精度。然而，当前特征金字塔的设计在如何整合不同尺度的语义信息方面仍然不够高效。为此，本文在调研当前主流特征金字塔方法的基础上把特征金字塔转换为特征的再组...
2019-11-30 15:50:50
609
转载 【论文笔记】：RefineDet
Single-Shot Refinement Neural Network for Object Detection代码主要思想引入two stage类型的object detection算法中对box的由粗到细的回归思想（由粗到细回归其实就是先通过RPN网络得到粗粒度的box信息，然后再通过常规的回归支路进行进一步回归从而得到更加精确的框信息，这也是two stage类型的o...
2019-11-30 15:11:54
331
转载 【论文笔记】：Region Proposal by Guided Anchoring
《Region Proposal by Guided Anchoring》来自CVPR2019，非anchor-free时代中anchor在多数目标检测算法中都起到了重要的作用，本篇提出了一种新的anchor生成方法 ，不同于之前的固定 anchor或者根据数据集聚类anchor的方法，通过guided anchoring可以预测anchor的形状和位置得到稀疏的anchor，以及作者提出了Fea...
2019-11-24 15:28:37
601
转载 【论文笔记】：Libra R-CNN: Towards Balanced Learning for Object Detection
&Title:FCOS: Fully Convolutional One-Stage Object Detection&Summary检测不平衡问题包括：样本层面(sample level)、特征层面(feature level)、训练目标层面(objective level)。Libra R-CNN，一个针对目标检测平衡学习的简单有效框架。该框架集成了三个组件：IoU-b...
2019-11-23 22:26:29
1356
原创 mmdetection源码笔记（四）：训练模型之train_detector()的解读
引言之前在写mmdetection源码的解读过程时，觉得train_detector()这部分很重要，对于理解整个的训练过程应该时起着非常大的理解作用。然后最近研究工作一直在看和修改mmdetection的其他模块的代码这一块。感觉train_detector()这块内容其实也不是特别重要来着，可能就是一个加强理解的过程。这次还是花了点时间，大致的看了一下，顺便加上自己的一些理解，解释了一下整...
2019-11-04 22:43:55
4542
6
转载 pytorch笔记：pytorch中的钩子（Hook）有何作用？
引言：作者：知乎用户链接：https://www.zhihu.com/question/61044004/answer/183682138来源：知乎问：这个hook设计初衷是啥，一般在什么场景下应用？答：首先明确一点，有哪些hook？我看到的有3个：torch.autograd.Variable.register_hook (Python method, in Automatic...
2019-11-04 10:25:30
7839
2
原创 【论文笔记】：Segmentation Is All You Need
&Title:Segmentation Is All You Need代码 None&Summary作者提出了 第一个无锚(anchor-free)和无NMS(NMS-free) 的目标检测模型，称为弱监督多模式注释分割（WSMA-Seg），该模型 利用分割模型实现了无需NMS的准确而鲁棒的目标检测 。在WSMA-Seg中，提出了多模式注释（目标轮廓注释、目标边界注释、...
2019-10-31 22:27:10
408
原创 pytorch笔记：torch.meshgrid()、torch.clamp()、tensor.clamp()理解
引言最近在看mmdetection源码，遇到了torch.meshgrid()、torch.clamp()这两个函数，觉得这两个函数用处很大，所以来记录一下。torch.meshgrid()x1 ,y1 = torch.meshgrid(x,y)参数是两个，第一个参数我们假设是x，第二个参数假设就是y输出的是两个tensor，size就是x.size * y.size（行数是x的个数，列...
2019-10-30 22:44:12
18928
4
原创 【论文笔记】：DuBox: No-Prior Box Objection Detection via Residual Dual Scale Detectors
&Title:DuBox: No-Prior Box Objection Detection via Residual Dual Scale DetectorsGithub addr None&Summary介绍了一种新的一步检测方法Dubox，它可以在没有先验框的情况下检测物体。设计的双尺度残差单元具有多尺度特性，使双尺度检测器不再独立运行。高层检测器学习低层检测器的...
2019-10-27 11:35:57
761
原创 【论文笔记】：RepPoints: Point Set Representation for Object Detection
&Title:RepPoints: Point Set Representation for Object Detection代码地址&Summary提出了一种新的表示形式，称为RepPoints，它提供了更细粒度的定位并有助于分类。 如图所示，RepPoints是一组点，这些点学会以一种限定对象空间范围并指示语义上重要的局部区域的方式自适应地将自己定位在目标上。 Re...
2019-10-24 21:04:18
7475
转载 ROI pooling 和 ROI Align详解
ROI Align 是在Mask-RCNN这篇论文里提出的一种区域特征聚集方式, 很好地解决了ROI Pooling操作中两次量化造成的区域不匹配(mis-alignment)的问题。实验显示，在检测测任务中将 ROI Pooling 替换为 ROI Align 可以提升检测模型的准确性。ROI Pooling 的局限性分析在常见的两级检测框架（比如Fast-RCNN，Faster-RCNN，...
2019-10-23 10:02:01
3423
转载 深入理解双线性插值算法
引言看了好几篇关于双线性插值算法的博文，解释得都不好理解，不过下面这篇博文就解释得很好，以下内容均参考这篇：图像处理+双线性插值法双线性插值算法双线性插值算法是解决什么问题的（原理）？在图像的仿射变换中，很多地方需要用到插值运算，常见的插值运算包括最邻近插值、双线性插值、双三次插值、兰索思插值等方法，OpenCV提供了很多方法，其中，双线性插值由于折中的插值效果和运算速度，运用比较广...
2019-10-20 17:32:15
1947
原创 【论文笔记】：Bottom-up Object Detection by Grouping Extreme and Center Points
&Title:Bottom-up Object Detection by Grouping Extreme and Center Points代码地址&Summary提出一种目标检测的新思路：首先通过标准的关键点估计网络来检测4个极值点和1个中心点，然后通过几何关系对提取到的关键点进行分组，一组极值点（5个）就对应一个检测结果。使得目标检查问题转化成了一个纯粹的基于外...
2019-10-16 09:17:01
435
原创 【论文总结】：基于密集点检测的anchor-free算法总结
引言在Anchor-free方法中，可以分为两种，一种是基于关键点检测，另一种是基于密集点检测基于关键点检测有：CornerNet（左上角点+右下角点）CornerNet-Lite（左上角点+右下角点）CenterNet :Objects as Points（中心点+边框回归）CenterNet: Keypoint Triplets for Object Detection（中心点+...
2019-10-10 19:55:10
2440
1
原创 【论文笔记】：Feature Selective Anchor-Free Module for Single-Shot Object Detection
&Title:Feature Selective Anchor-Free Module for Single-Shot Object Detection代码未公布&Summary提出了一种简单有效的单镜头目标探测器的特征选择无锚(FSAF)模块。它可以插入具有特征金字塔结构的一阶段探测器。FSAF模块解决了传统基于锚点检测的两个局限性：启发式引导特征选择overl...
2019-10-10 11:27:12
520
原创 【论文笔记】：FoveaBox: BeyondAnchor-basedObjectDetector
&Title:FoveaBox: Beyond Anchor-based Object Detector&SummaryFoveaBox: 一种准确的灵活的完全无锚的物体检测框架。FoveaBox直接学习对象存在的概率和相一致的边界框的坐标不在使用锚点的参照。实现方式主要有两种：为目标存在的可能性预测类别敏感语义图；为每一个可能包含目标的位置生成未知类别的边界...
2019-10-07 20:41:47
651
转载 【论文笔记】：UnitBox
Title2016 ACM MM UnitBox: An Advanced Object Detection NetworkAbstract传统的目标框含有四个独立的坐标变量，丢失了相互之间的信息，导致AP下降Unit Box 提出了一种新的 IoU 损失函数，将四个变量作为一个整体预测IntrouductinFaster RCnn 依赖于预先设计好的anchor，对小目标无能为力...
2019-09-29 10:56:38
911
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人