2019论文精度
bo.qiu_xbw
Talking is cheap ,show me the code.
展开
-
Accurate Single Stage Detector Using Recurrent Rolling Convolution
上图左列绿色是gt框,红色是预测框,可以发现框不准比较严重,右列是增加了RRC网络的预测结果,显示为黄色,可见增加了RRC后IoU会更高。如果F中的参数都是一样的值的话,上图就是一个RNN的网络结构。————————————————————————————————————————————————————————————————————————————————实验...原创 2020-01-06 10:34:02 · 124 阅读 · 0 评论 -
CBNet: A Novel Composite Backbone Network Architecture for Object Detection
表1显示了不同的backbone对精度的影响。使用Cascade Mask RCNN结构,使用不同的backbone在COCO数据集上的表现,可见不同的backbone对网络最终的结果是有比较大的影响的。————————————————————————————————————————CBNet结构简介SLC(Same Level Composition)ALLC(Adjacent ...原创 2020-01-06 10:27:53 · 346 阅读 · 0 评论 -
Once for All: Train One Network and Specialize it for Efficient Deployment
训练一个OFA网络,(深度、宽度、核大小和分辨率各异)。根据部署场景,无需训练,直接从该 OFA 网络中选择一个专用子网络。OFA 网络之后再使用模型选择,可以实现很多准确度-延迟权衡,而整个过程仅需训练一次。———————————————————————————————所有子网络权重都是从OFA中获取的,只需训练一次,训练时间为200h。——————————————————————...原创 2020-01-06 10:45:34 · 1518 阅读 · 1 评论 -
Vote3Deep: Fast Object Detection in 3D Point Clouds Using Efficient Convolutional Neural Networks
下图Vote3Deep在KITTI上不可见点云的检测效果。本文方法:在原生的3D特征(native 3D representation)上执行一个稀疏卷积,接着是一个ReLU非线性,它返回一个新的稀疏3D特征。这个过程可以像传统CNN一样重复和叠加,输出层预测检测分数。用NMS对重复检测进行剪枝(3D中的NMS能够更好地处理彼此背后的对象,因为3D包围框的重叠小于它们的2D投影)。本文为每...原创 2020-01-03 17:35:10 · 1812 阅读 · 0 评论 -
SOLO:Segmenting Objects by Locations
SOLOSOLO的中心思想是把instance segmentation的问题分解为两个相似的分类问题,分别是category-aware预测和instance-aware mask的生成。把输入图片分成SxS个格子,如果一个物体的中心落入到了一个格子中,那么这个格子就负责两件事情,1)预测semantic category2)生成instance mask。—————————————...原创 2020-01-03 17:24:56 · 1693 阅读 · 0 评论 -
Cascade RPN : Delving into High- Quality Region Proposal Network with Adaptive
级联RPN-用适应化卷积钻研高质量RPN网络论文创新点: 常规目标检测方法是预设多个anchor具有几个scale和ratio,1.本文只要在每个位置设置一个anchor。2.适应性卷积被提出去获得特征和anchor在不同stage的对应关系。并且在FasterRCNN,FastRCNN上都比别的RPN网络表现得更好——————————————————————————————————————...原创 2020-01-03 17:16:55 · 725 阅读 · 0 评论 -
ACNet: Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric Convolution Blocks
论文目的: 1.本文寻找了非对称的CNN block去代替原来的标准卷积。用三个并行的kernel,dxd,1xd,dx1,output 相加。贡献1、提出了非对称卷积增强标准卷积提取特征能力,不需要时间花费。2、提出AC block,不需要增加超参,替换原卷积block方便。上图三个卷积+fuse==下图经过 (三个kernel相加以后的kernel)三个branch并行训练的结果...原创 2020-01-03 16:17:37 · 1283 阅读 · 12 评论 -
RandAugment: Practical automated data augmentation with a reduced search space
论文名称:RandAugment: Practical automated data augmentation with a reduced search space(实用的减少搜索空间的数据增强手段)论文目的: 1.本文提出了一种数据增强手段,减少了以往autoaugment需要大量的搜索空间。2.以往autoaugment需要根据数据集大小,模型种类来调整正则化强度,现在用本文的方法可...原创 2020-01-03 16:08:19 · 4585 阅读 · 2 评论 -
Soft Anchor-Point Object Detection
摘要:本文提出了一个速度和精度权衡的detector。主要研究两个问题?how to make the anchor-free detection head better?how to utilize the power of feature pyramid better?分别提出两种训练策略:soften optimization techniques,1)soft-weighted ...原创 2020-01-03 15:55:41 · 1449 阅读 · 0 评论 -
ThunderNet: Towards Real-time Generic Object Detection(论文精度)
摘要本文提出了第一个在arm上运行的实时的单线程速度最快的模型结构,分析之前lightweight backbones 的缺点,提出了一个轻量级的backbone,充分使用RPN,设计SAM和CEMblock减少计算量,产生更多discriminative feature,最后寻求resolution,backbone与head之间的平衡。——————————————————————————...原创 2020-01-03 15:05:25 · 198 阅读 · 0 评论