目标检测
ruoruojiaojiao
这个作者很懒,什么都没留下…
展开
-
Parallel Feature Pyramid Network for Object Detection-------论文理解
参考博客:https://blog.csdn.net/u014380165/article/details/824687251. 概述目前目标检测的研究,基本上是逐渐增加金字塔形状的特征层数量而不是使用特征化的图像金字塔。然而,CNN特征层的不同抽象级别通常会限制检测性能,尤其是在小型对象上。因此本文提出了一种基于CNN的物体检测架构,称为并行特征金字塔(FP)网络(PFPNet),其中F...原创 2019-04-28 10:49:38 · 1080 阅读 · 0 评论 -
MobileNetV2--------论文理解
参考博客:https://blog.csdn.net/u014380165/article/details/79200958https://www.cnblogs.com/darkknightzh/p/9410574.html代码链接:https://github.com/tonylins/pytorch-mobilenet-v21. 深度可分离卷积深度可分离卷积分为DWC(dep...原创 2019-05-24 11:01:05 · 472 阅读 · 0 评论 -
Large Kernel Matters—— Improve Semantic Segmentation by Global Convolutional Network------论文理解
参考博客:https://blog.csdn.net/zhangjunhit/article/details/745305961. 概述目前网络架构设计的趋势均是在相同计算量的前提下将大的卷积核替换为多个小的卷积核(如1x1和3x3)堆叠而成 。但在语义分割中需要同时进行分类和定位的时候大的卷积核占很重要的角色。为解决分类和定位问题,我们提出了GCN网络。同时提出了基于残差的边界修正,来更...原创 2019-06-05 10:15:05 · 401 阅读 · 0 评论 -
ESPNet:Efficient Spatial Pyramid of Dilated Convolutions for Semantic Segmentation-------论文理解
参考博客:https://blog.csdn.net/sinat_37532065/article/details/85723068论文链接:https://arxiv.org/abs/1803.06815v21. 概述提出在资源约束的情况下仍然能有效的对高分辨率图片进行语义分割的网络,ESPNet,基于一个新的卷积模块,即高效的空间金字塔(ESP),它在计算,内存和功率方面都很有效。...原创 2019-05-28 10:31:23 · 507 阅读 · 0 评论 -
Deep Layer Aggregation----------论文理解
1. 概述视觉识别需要丰富的表示,从低到高,从小到大,从细到粗的分辨率。架构网络正在探索骨干网络以设计更深以及更宽的网络,但如何融合这些层以及这些块值得进一步的探讨。尽管已经提出了残差网络来组合层,但这些连接本身已经“浅”,并且仅通过简单的一步操作融合。我们认为通过更深层次的融合可以更好的聚合不同层的信息。我们的深层聚合结构以迭代和分层方式合并特征层次结构,使网络具有更高的准确性和更少的参数。...原创 2019-05-17 10:41:12 · 3846 阅读 · 2 评论 -
Pyramid Feature Attention Network for Saliency detection------论文理解
代码链接:https://github.com/CaitinZhao/cvpr2019_Pyramid-Feature-Attention-Network-for-Saliency-detection1. 概述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。如今算法多通过融合多尺度特征来提取更有效的特征,但并不是所有的特征都是有效的,而且有些可能导致相反的效果。为了解决该...原创 2019-05-12 15:51:49 · 5303 阅读 · 3 评论 -
Beyond Skip Connections: Top-Down Modulation for Object Detection--------论文解读
参考博客:https://blog.csdn.net/zhangjunhit/article/details/702116871. 概述近年来,目标检测已经取得巨大的进步。通过针对更深入的前馈网络,已经实现了大多数网络的改进。然而,许多难区分的对象类别,例如瓶子,遥控器等,需要表示细节,而不仅仅是粗略的语义表示。且许多细节会丢失在前几层卷积层中。我们需要的是一种可以将底层一些更细致的特...原创 2019-05-25 11:03:15 · 540 阅读 · 0 评论 -
DSOD--------论文理解
参考博客:https://blog.csdn.net/u014380165/article/details/771107021. 概述该论文主要涉及了一种可以从头学习对象检测器的框架------Deeply Supervised Object Detector (DSOD)。现有的目标检测都需要现在ImageNet上进行预训练后,再通过分类损失和定位损失进行微调。微调模型的好处是可以...原创 2019-05-19 15:18:24 · 1022 阅读 · 0 评论 -
RFB Net:Receptive Field Block Net for Accurate and Fast Object Detection
参考博客:https://blog.csdn.net/u014380165/article/details/815567691. 概述目前表现突出的目标检测器都依赖较深的网络结构,因为越深层的网络,特征表示能力越强,但无疑带来了较大的计算量。反过来,出现了一些轻量级的网络,实现了实时检测,但检测精度不容乐观。在本文中,我们探索了一种替代方案,受到人类视觉系统的RFs的构建,我们提出了一...原创 2019-05-09 16:12:44 · 382 阅读 · 0 评论 -
CBAM: Convolutional Block Attention Module------论文理解
参考博客:https://blog.csdn.net/u013738531/article/details/82731257pytorch代码:https://github.com/luuuyi/CBAM.PyTorch1. 概述本论文提出了一种简单但有效的注意力网络---Convolutional Block Attention Module(CBAM)。给定一个中间的特征图,我们的...原创 2019-05-31 11:10:30 · 2956 阅读 · 8 评论