目标检测
Sesen_s
这个作者很懒,什么都没留下…
展开
-
Anchor-free方法分类整理:阅读导航
可按照以下分类,查看相应的文章详情。2019.8.25更新:文章开源代码地址CornerNet [1] (2018) :https://github.com/princeton-vl/CornerNetCornerNet-lite[2] (2019):https://github.com/princeton-vl/CornerNet-LiteCenterNet [3] (2...原创 2019-08-25 13:08:52 · 1710 阅读 · 0 评论 -
Anchor-free目标检测算法系列:开源代码整理
CornerNet [1] (2018) :https://github.com/princeton-vl/CornerNetCornerNet-lite[2] (2019):https://github.com/princeton-vl/CornerNet-LiteCenterNet [3] (2019):https://github.com/xingyizhou/CenterNet...原创 2019-08-14 12:42:34 · 1203 阅读 · 0 评论 -
Anchor-free目标检测算法系列10:PLN (4个角点+中心点) :Point Linking Network for Object Detection
Point Linking Network for Object Detection (2017.6.13) 论文通过预测目标的左上、左下、右上、右下角点和中心点,通过两两之间...原创 2019-08-13 19:41:07 · 1642 阅读 · 3 评论 -
Anchor-free目标检测系列9:FoveaBox(中心点): Beyond Anchor-based Object Detector
FoveaBox: Beyond Anchor-based Object Detector (2019) 论文提出的FoveaBox实际上也是基于中心点进行边框左上角点、右下角点回归,而不是利用中心点直接对边框长宽进行回归。本算法在COCO测试集上的效果为42.1AP,相较于前面的...原创 2019-08-13 19:40:27 · 305 阅读 · 0 评论 -
Anchor-free目标检测系列8:RepPoints:Point Set Representation for Object Detection(可变形卷积提取Offset关键点)
RepPoints:Point Set Representation for Object Detection (2019.4.25) 论文由清北和微软联合提出,RepPoints将可变形卷积进行灵活使用,定位目标的一些值得注意的点(representative point)。通过目标的这些点进行bbox编码,得到目标预测框。Rep...原创 2019-08-12 14:52:30 · 1904 阅读 · 4 评论 -
Anchor-free目标检测系列7:FCOS: Fully Convolutional One-Stage Object Detection(点+到框的4个距离)
FCOS: Fully Convolutional One-Stage Object Detection(2019)FCOS属于anchor-free类别的算法,且效果在anchor-free派系中算SOTA了。它的主要优点如下:(1)因为输出是pixel-based预测,所以可以复用semantic segmentation方向的tricks;(2)可以修改FCOS的输出分支,用...原创 2019-08-12 14:42:26 · 725 阅读 · 0 评论 -
Anchor-free目标检测算法系列6:CSP(中心点+尺度预测)Center and Scale Prediction: A Box-free Approach for Object Detect
论文与CenterNet:Object as points 文章的思想很相似。以行人检测为例将目标检测简化为一个直接的全卷积式的中心点和尺度预测任务,CSP (Center and Scale Prediction) 检测器结构简单。首先将一张图像输入全卷积网络,基于网络提取的特征图预测两个映射图,一个以热图的方式呈现目标的中心点位置,一个负责预测目标的尺度。在此基础上,便可以将两者映射到原图上并...原创 2019-08-12 14:34:55 · 2884 阅读 · 0 评论 -
Anchor-free目标检测算法系列5:CenterNet :Keypoint Triplets for Object Detection
CenterNet(中心点、左上角点、右下角点)CenterNet :Keypoint Triplets for Object Detection(CVPR2019)论文的CenterNet和2.3.2中的CenterNet重名了,但是思想完全不同,相比之下,2.3.2的CenterNet更受好评。这里简单介绍一下基于中心点、左上及右下角点的CenterNet,暂记为Tr...原创 2019-08-06 13:00:21 · 415 阅读 · 0 评论 -
Anchor-free系列4:ExtremeNet Bottom-up Object Detection by Grouping Extreme and Center Points
ExtremeNet (4个极值点+1个中心点)Bottom-up Object Detection by Grouping Extreme and Center Points(2019.1.23)论文ExtremeNet相比于CornerNet及CenterNet使用了目标更多的关键点,包括最左方、最右方、最上方、最下方关键点,同时引入目标中心点。其主要贡献在于两点,一是将关键点定...原创 2019-08-06 12:58:19 · 376 阅读 · 0 评论 -
Anchor-free目标检测系列3:CenterNet Object as points
CenterNet(一个中心点)CenterNet: Objects as Points(2019.4.17)论文是由德克萨斯大学奥斯汀分校和UC 伯克利学者共同提出的真正意义上anchor-free的算法。与之前介绍的CornerNet系列算法不同,CenterNet仅仅检测目标中心点,没有后续的角点配对及NMS后处理操作,检测速度和精度相比于one-stage和two...原创 2019-08-06 12:53:58 · 989 阅读 · 0 评论 -
Anchor-free目标检测系列2-CornerNet-Lite解读
CornerNet-lite(左上角点+右下角点)CornerNet-Lite: Efficient Keypoint Based Object Detection(2019.4.19) 论文与Cornernet论文作者相同,都是由普林斯顿大学的几位学者提出。截止2019年4月份,CornerNet-Lite 应该是目标检测(Object Detectio...原创 2019-08-06 10:13:54 · 1205 阅读 · 0 评论 -
Anchor-free系列1:CornerNet论文解读
CornerNet(左上角点+右下角点)CornerNet: Detecting Objects as Paired Keypoints (ECCV 2018) 论文主要提出一个基于目标的左上角点和右下角点这两个关键点进行目标检测的方法,同时还提出了Corner Pooling这种池化方式,有效提取角点处特征。最后将检测出的角点进行配对,最终给出属于该目标的最优...原创 2019-08-06 09:55:12 · 592 阅读 · 0 评论 -
TridentNet 论文解读:Scale-Aware Trident Networks for Object Detection
Scale-Aware Trident Networks for Object Detection(CVPR2019,中科院&图森未来)该论文[3]的主要思想是针对不同大小的物体,感受野应该是不同的。使用空洞卷积来创建 multi branch,然后再借鉴scale-aware的思路,构建trident network。即在相同分辨率大小的特征图上,设计不同的感受野。主要的结果图如...原创 2019-09-11 15:48:48 · 549 阅读 · 0 评论 -
论文解读DetNet: A Backbone network for Object Detection
DetNet: A Backbone network for Object Detection (ICCV 2018,旷视)该论文的出发点与M2Det相似,均是源自图像分类和物体检测任务之间的不同。具体来说,one-stage方法和two-stage方法都是直接将在ImageNet图像分类任务上预训练的模型进行finetune。但毕竟分类任务和检测任务不同,深层特征对分类任务有效,低层特征...原创 2019-09-05 09:58:18 · 455 阅读 · 0 评论 -
M2Det论文解读:A Single-Shot Object Detector based on Multi-Level Feature Pyramid Network
A Single-Shot Object Detector based on Multi-Level Feature Pyramid Network(AAAI 2019)目前主流的目标检测算法均广泛使用特征金字塔结构来解决物体尺度变化带来的差异。这篇论文提出了多层次金字塔网络(MLFPN),解决之前特征金字塔设计的局限性:只是简单地根据内在多尺度构造金字塔结构,被设计用于识别任务。MLFP...原创 2019-09-04 13:52:47 · 400 阅读 · 0 评论 -
RefineDet论文解读:Single-shot Refinement Neural Network for Object Detection
Single-shot Refinement Neural Network for Object Detection(CVPR 2018)该论文结合了one-stage和two-stage方法,具体来说是结合的Faster RCNN和SSD。前者首先提取候选区域,再进行目标的分类和回归,检测精度高于后者;后者的检测速度快,精度稍差,主要原因是因为正负样本比例严重失调。RefineDet结合...原创 2019-09-04 13:51:45 · 269 阅读 · 0 评论 -
Anchor-free目标检测系列15:GA-RPN(指导anchor生成) Region Proposal by Guided Anchoring
Region Proposal by Guided Anchoring (CVPR2019) 论文GA-RPN旨在有指导性地生成anchor,不是一种真正的anchor-fre...原创 2019-08-15 11:57:44 · 1050 阅读 · 0 评论 -
Anchor-free目标检测系列14:Feature Selective Anchor-Free Module for Single-Shot Object Detection
Feature Selective Anchor-Free Module for Single-Shot Object Detection (CVPR2019)(anchor-based+anchor-free) 论文FSAF直接将anchor-free写入论文名字,提出一种简单有效的方法,叫做无anchor特征选择...原创 2019-08-15 11:55:31 · 314 阅读 · 0 评论 -
Anchor目标检测系列13:DuBox(双尺度+中心点正样本范围扩大)No-Prior Box Objection Detection via Residual Dual Scale Detecto
DuBox: No-Prior Box Objection Detection via Residual Dual Scale Detectors (2019.4.16) 论文DuBox是百度继DenseBox提出的双尺度检测器,与使用FPN主干网络的anchor-free方法相比,没有为所有lev...原创 2019-08-15 11:38:35 · 661 阅读 · 0 评论 -
HRNet(cvpr2019):Deep High-Resolution Representation Learning for Human Pose Estimation (并行高分辨率保持)
Deep High-Resolution Representation Learning for Human Pose Estimation(CVPR2019)HRNet由微软亚洲研究院和中科大共同提出。定义了一个通用的计算机视觉网络框架 HRNet,在图像分类,语义分割,目标检测,人脸特征点检测等多个任务上的测试结果全面吊打当前网络框架,不仅精度提升了,网络参数量和计算量也降低了,并且给...原创 2019-09-05 14:20:27 · 1127 阅读 · 0 评论 -
KL loss:Bounding Box Regression with Uncertainty for Accurate Object Detection解读
Bounding Box Regression with Uncertainty for Accurate Object Detection(CVPR2019, 旷视)该论文是旷视2019年提出的,主要是使目标边框更加清晰,提升定位精度,提出了一种新的边界框回归损失,同时完成边界框变换和定位差异。在目标检测数据集中,ground-truth边界框在一些情况下存在固有的不确定性。 如下图所示...原创 2019-09-05 14:56:26 · 3888 阅读 · 0 评论 -
论文解读:Consistent Optimization for Single-Shot Object Detection
Consistent Optimization for Single-Shot Object Detection(2019)值得一看待补充 该论文的提出主要是为了解决训练和测试不一致问题。现在主流的目标检测算法,一般会包含两个分支,一个分类一个坐标框回归,这两个分支在anchor-free和anchor-based方法中一般都是独立的。问题在于,在进行分类的时候,使用的是原始的anch...原创 2019-09-05 15:26:09 · 576 阅读 · 0 评论 -
Anchor-free目标检测算法系列11: DenseBox中心点处dense:Unifying Landmark Localization with End to End Object Detec
DenseBox: Unifying Landmark Localization with End to End Object Detection (CVPR2015) 论文是2015年提出的一种端到端的算法,同时对目标进行分类和框回归,算法很有前瞻性。DenseBox...原创 2019-08-14 12:44:15 · 489 阅读 · 0 评论