中科院AI算法工程师的博客

持续更新Github：https://github.com/Sophia-11/Awesome-CVPR-PaperCVPR2022还没有公布，公布后会即使更新2021持续论文集锦百度云请在【计算机视觉联盟】后台回复 CVPR2021往年论文集锦请在【计算机视觉联盟】后台回复 CVPR20192020持续论文集锦请在【计算机视觉联盟】后台回复 CVPR2020CVPR 2021Image-to-image Translation via Hierarchical Styl...

新思路！https://arxiv.org/abs/2101.11605无需任何技巧，基于Mask R-CNNN框架，BoTNet在COCO实例分割任务上取得了44.4%的Mask AP与49.7%的Box AP指标，超越了之前由ResNeSt的最佳指标。

持续更新Github:https://github.com/Sophia-11/Awesome-ICCV往年论文集锦请在【计算机视觉联盟】后台回复 ICCV2019ICCV2021最新情况：Note from the ICCV’21 Program Chairs:Important ICCV’21 dates, including submission deadlines and review process steps for authors, reviewers and ...

我们证明了基于CSP方法的YOLOv4目标检测神经网络，可以上下缩放，适用于小型和大型网络，同时保持最佳的速度和精度。我们提出了一种网络缩放方法，它不仅可以修改网络的深度、宽度、分辨率，还可以修改网络的结构。YOLOv4 large模型达到了最先进的结果：在Tesla V100上，MS COCO数据集以15 FPS的速度获得55.4%的AP（73.3%的AP50），而随着测试时间的增加，YOLOv4 large达到55.8%的AP（73.2 AP50）。据我们所知，这是目前在COCO数据集上的最高精确度。

二十年间的发展如下图所示，以2014年为分水岭，目标检测在过去的二十年中可大致分为两个时期：2014年前的“传统目标检测期”及之后的“基于深度学习的目标检测期”。接下来我们详细谈论两个时期的发展。传统检测早期的目标检测算法大多是基于手工特征构建的。由于当时缺乏有效的图像表示，人们别无选择，只能设计复杂的特征表示及各种加速技术对有限的计算资源物尽其用。(1) Viola Jones检测器18年前，P. Viola和M. Jones在没有任何约束(如肤色...

https://cocodataset.org/#detection-evalCOCO 提供了 12 种用于衡量目标检测器性能的评价指标.[1] - 除非特别说明，AP和AR一般是在多个 IoU(Intersection over Union) 值间取平均值. 具体地，采用了 10 个 IoU阈值 -0.50:0.05:0.95. 对比于传统的只计算单个 IoU 阈值(0.50)的指标(对应于这里的指标APIoU=0.50)，这是一种突破. 对多个 IoU 阈值求平均，能够使得目标检测...

论文地址和代码https://arxiv.org/abs/2004.10934v1代码：https://github.com/AlexeyAB/darknet摘要：据说有许多功能可以提高卷积神经网络（CNN）的准确性。 需要在大型数据集上对这些特征的组合进行实际测试，并对结果进行理论证明。 某些功能仅在某些模型上运行，并且仅在某些问题上运行，或者仅在小型数据集上运行； 而某些功能（...

顶会阅读记录