目标检测
文章平均质量分 92
‘Atlas’
人工智能者,崇尚技术,享受学习的过程。主要研究方向:跨模态、文生图、虚拟试衣、目标检测、分割、关键点检测等
展开
-
Grounding DINO-开集目标检测论文解读
Grounding DINO在COCO数据集上零样本检测达到52.5AP,在COCO数据集finetune后达到63AP。原创 2023-04-15 13:56:18 · 10581 阅读 · 9 评论 -
YOLOv6-3.0-目标检测论文解读
YOLOv6-v3.0,YOLOv6进一步改进,在实时目标检测领域达到SOTA;原创 2023-02-21 21:30:21 · 2650 阅读 · 1 评论 -
YOLOv6-目标检测论文解读
YOLOv6在实时目标检测领域取得SOTA性能,超越YOLOX、PP-YOLOE、YOLOv5原创 2023-02-19 11:05:54 · 2861 阅读 · 0 评论 -
PP-YOLOE论文解读
PP-YOLOE基于之前PP-YOLOv2进行优化,使用anchor-free算法,更强的backbone及neck。配备了CSPRepResStage、ET-head和动态标签分配算法TAL;PP-YOLOE-l在COCO数据集上,Tesla V100上达到51.4mAP,78.1FPS;超越PP-YOLOv2及YOLOX;...原创 2022-05-19 22:07:15 · 1640 阅读 · 0 评论 -
Swin Transformer V2论文解读
Swin v2优化内存,支持训练大分辨率原创 2022-02-18 23:37:36 · 5194 阅读 · 0 评论 -
Swin Transformer论文解读
swin transformer性能不错backbone,在分类、检测、分割任务上取得SOTA。原创 2022-02-14 16:49:59 · 3635 阅读 · 0 评论 -
YOLOX论文解读
文章目录创新点算法Decoupled headStrong data augmentationAnchor-freeMulti positivesSimOTAEnd-to-end YOLO实验结果结论论文:《YOLOX: Exceeding YOLO Series in 2021》代码: https://github.com/Megvii-BaseDetection/YOLOX创新点将YOLO检测器变为anchor-free形式,减少人工设置参数;集成了其他先进检测技术(比如decoupled原创 2022-01-24 22:01:59 · 3879 阅读 · 3 评论 -
BoxInst论文解读-通过box生成Mask
文章目录解决问题创新点算法原理CondInstBoxInst投影损失成对亲和力损失实验结果总结论文:《BoxInst: High-Performance Instance Segmentation with Box Annotations》github地址:https://github.com/aim-uofa/AdelaiDetConstInst论文:《Conditional Convolutions for Instance Segmentation》解决问题通过设计损失函数,仅依靠目标框标定原创 2021-12-25 15:38:28 · 2801 阅读 · 0 评论 -
误标搜寻-AUM应用于目标检测任务
误标搜寻-AUM应用于目标检测任务参考论文《Identifying mislabeled data using the area under the margin ranking》前言目前大多方案基于分类任务,进行误标搜寻。本文基于目标检测任务进行误标搜寻,原理基于上述论文。误标分为背景误标以及类间误标。开发过程中尝试通过前景置信度寻找背景误标,但是效果不理想,本文主要介绍类间误标。AUM原理首先简单减少AUM原理,式1表示,在t个epoch,当前样本x的margin,即为M,其有标注标签原创 2021-05-29 17:42:22 · 782 阅读 · 0 评论 -
FCOS算法解读
论文:Fully Convolutional One-Stage Object Detection论文链接:https://arxiv.org/abs/1904.01355代码链接:https://github.com/tianzhi0549/FCOS/FCOS网络结构如下图所示:FCOS使用FPN,每个head输出为三个分支分别为:类别分支、center-ness、回归分...原创 2020-02-03 10:03:37 · 1903 阅读 · 0 评论