![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
进击的煎饼果子
一入编程深似海,从此节操成路人.附上github主页
https://github.com/macqueen09
展开
-
YOLOv5 解读版本1——2020.8.20
YOLOv4 vs. YOLOv5data augmentation传统增强+CutOut在CNN第一层随机扔掉某一块Hide and seekMixUp按权重把两张图加一起CutMixcutout的区域加入另一张图的目标,应对遮挡问题,识别堆叠的目标物体Mosaic马赛克四张图片随机拼接成大图,缩放识别小物体缓解;batch压力class label smoothing引入均匀分布的噪声,平滑label,把类间距离放得更远了(原本只关注类内,不关注类间)对比YOLOv3原创 2020-08-20 20:51:20 · 3468 阅读 · 0 评论 -
CenterNet: Objects as Points论文解读 目标检测、关键点检测论文及代码
先占个坑,之后肯定补(和博客里其他人TODO list然后就消失的那种不一样的)2020.5.14论文https://arxiv.org/pdf/1904.07850.pdf原创 2020-05-15 08:57:36 · 1527 阅读 · 3 评论 -
MobileNet网络系列论文及模型V1-V2-V3
MobileNet V1基于一种使用深度可分割卷积去建立轻量型网络结构的流线型结构。引进了两个简单的超参数,这两个超参数在延迟和准确率方面达到了平衡,宽度因子和分辨率因子。之前的网络要么大模型压缩为小模型;要么训练小模型。我们可以通过超参可调网络大小(有些论文只考虑模型规模,没直接考虑模型速度)结构深度可分离卷积Depthwise Separable Convolution将标准卷积分...原创 2020-04-08 11:34:05 · 1794 阅读 · 0 评论 -
Batch Normalization论文翻译
Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift五次面试有三次会问到BN层,这个点一定要从前世今生都吃透啊!论文超链接:https://arxiv.org/pdf/1502.03167v3.pdfAbstract通过要求较低的学习率和仔细的参数初始化减慢了...原创 2020-03-01 00:44:24 · 413 阅读 · 0 评论 -
旷世:高效准确的文字检测
EAST文字检测网络可以以很小的计算量,加在其他backbone之后改善检测效果主讲人赵明明具体,性能和准确率fscore 0.757 , fps 16.8 ,PVANet fps 16.8channel乘以2倍,fps13.2FCN+NMSEAST 详细 pipellinefeature mergingconv stage 包括conv pooling等、多层...原创 2020-02-28 23:42:25 · 465 阅读 · 0 评论 -
NAS神经网络结构搜索简述
很多大厂针对具体任务已经开始普及NAS来定制网络了,因而总归要有所了解,不懂的话可以先快速上手概念和流程NAS虽然方法层出不穷,但基本都包括这三大部分:定义搜索空间;执行搜索策略采样网络;对采样的网络进行性能评估。接下来我们从这三个方面介绍NAS的发展现状。搜索空间大致分为:全局搜索空间、基于细胞的搜索空间前者搜索整个网络结构,后者搜索小的结构(通过堆叠、拼接等组成大网络)...原创 2020-02-14 23:38:59 · 951 阅读 · 0 评论 -
目标检测论文核心思想,18-19-20年论文梗概
论文太多来不及看,有些论文用了很大篇幅印证了某种模块有用或者没用,对于不研究这部分的人来说了解一下结论,这个模块有什么优缺点就够了。因而记录一下2018-2019-2020这几年泛读的论文梗概:文章目录DetNet: A Backbone network for Object DetectionDetNet: A Backbone network for Object Detection论文...原创 2020-01-08 20:04:58 · 488 阅读 · 0 评论 -
深度学习中一些时而会忘的概念
Batch什么需要有 Batch_Size 这个参数?Batch 的选择,首先决定的是下降的方向。如果数据集比较小,完全可以采用全数据集 ( Full Batch Learning )的形式另一个极端:就是每次只训练一个样本,即 Batch_Size = 1。这就是在线学习(Online Learning)。使用在线学习,每次修正方向以各自样本的梯度方向修正,横冲直撞各自为政,难以达到收敛。...原创 2019-12-06 15:58:04 · 363 阅读 · 0 评论 -
Learning Efficient Single-stage Pedestrian Detectors by Asymptotic Localization Fitting行人检测ECCV2018
Learning Efficient Single-stage Pedestrian Detectors by Asymptotic Localization Fitting 行人检测论文,ECCV2018代码地址论文地址Wei Liu 1,3(国防科大) , Shengcai Liao 1,2(中国科学院大学)原来是学长的论文呀,66666概要:虽然基于two-stage的检测器Fast...原创 2019-11-14 21:27:38 · 508 阅读 · 0 评论