![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
多尺度检测
TJMtaotao
这个作者很懒,什么都没留下…
展开
-
ASSD: Attentive Single Shot Multibox Detector
Jingru Yi, Pengxiang Wu, Dimitris N. MetaxasDepartment of Computer Science, Rutgers University, Piscataway, NJ 08854, USAjy486,pw241,dnm@cs.rutgers.eduAbstract提出了一种新的用于目标检测的深度神经网络。该网络称为ASSD,在特征图...原创 2019-12-03 20:04:19 · 4416 阅读 · 0 评论 -
Res2Net: A New Multi-scale Backbone Architecture(多尺度骨干网络)
Res2Net: A New Multi-scale Backbone ArchitectureShang-Hua Gao∗, Ming-Ming Cheng∗, Kai Zhao, Xin-Y u Zhang, Ming-Hsuan Y ang, and Philip T orr多尺度特征的抽象表示对于许多视觉任务都具有重要意义。骨干卷积神经网络(CNNs)的最新进展不断显示出更强的多尺...原创 2019-12-01 17:51:22 · 3649 阅读 · 0 评论 -
SSD 目标检测讲解比较好的博客文章
https://blog.csdn.net/weixin_43384257/article/details/93501343原创 2019-11-06 11:58:03 · 157 阅读 · 0 评论 -
Python detectMultiScale 函数使用
def detectMultiScale(self, image, scaleFactor=None, minNeighbors=None, flags=None, minSize=None, maxSize=None): # real signature unknown; restored from __doc__ """ detectMultiScale(image[, sc...翻译 2019-03-28 22:12:41 · 6786 阅读 · 0 评论 -
用于同时检测和分割的多尺度补丁聚合(Multi-scale Patch Aggregation (MPA) for Simultaneous Detection and Segmentation)
Shu Liu†Xiaojuan Qi†Jianping Shi♭Hong Zhang†Jiaya Jia††The Chinese University of Hong Kong ♭SenseTime Group Limited{sliu, xjqi, hzhang, leojia}@cse.cuhk.edu.hk shijianping@sensetime.com原文链接:http://j...翻译 2019-04-05 16:22:48 · 1741 阅读 · 0 评论 -
mageNet Object Localization Challenge
竞争描述虽然人们很容易辨别出照片中细微的差别,但电脑仍然有办法。视觉上相似的东西很难让电脑计算,就像这堆重叠的香蕉。或者想想这张照片,一个狐狸家族伪装在野外-狐狸在哪里结束,草在哪里开始? 注释。由于这种竞争,仅2010年至2014年,图像分类误差就减少了4.2倍(从28.2%降至6.7%),定位误...翻译 2019-04-10 14:16:48 · 1263 阅读 · 0 评论 -
卷积特征映射上的目标检测网络
摘要大多数对象检测器包含两个重要组件:特征提取器和对象分类器。特征提取器随着重要的研究工作迅速发展,导致更好的深度卷积体系结构。然而,对象分类器并未引起太多关注,并且许多最近的系统(如SPPnet和Fast / Faster R-CNN)使用简单的多层感知器。本文证明了精心设计用于对象分类的深度网络同样重要。我们尝试使用区域分类器网络,这些网络使用共享的,与区域无关的卷积特征。我们将它们称为“...翻译 2019-04-23 01:08:36 · 1005 阅读 · 0 评论 -
The architecture of TextBoxes++
1)网络架构:文本框的架构++如图2所示。它继承了流行的VGG-16 AR-结构[46],保持层从conv1_1到转换最后两个完全连接的层将VGG-16分成卷积层(conv6和conv7)按参数下采样[10]。另外八个卷积-划分为四个阶段(conv8到conv11)的国际层最大池的不同分辨率附加了af-特conv7.多个输出层,我们称之为文本框层,在最后一个和一些中间层之后插入卷积层...翻译 2019-06-15 20:31:41 · 266 阅读 · 0 评论