Paper
卿言多务,孰若孤,孤常读paper,自以为大有所益、
烂桃先生之前的账号
所谓无底深渊,下去,也是前程万里、
展开
-
CenterNet-Objects as Points论文翻译
点即是目标 建模一个对象为一个单个的点——即目标框的中心点。我们的检测器使用关键点估计来找到中心点并且回归出全部其他的目标属性,比如大小,3D位置,方向甚至姿势。我们基于中心点的方法称为CenterNet,是一个端到端可微的检测方法,比起基于目标框的检测器更简单,更快而且更准确。尤其是姿势估计部分的关键点分组,比起openpose的复杂的后处理,该论文的方法更巧妙,通过对各个关键点直接回...翻译 2020-03-30 14:45:27 · 1284 阅读 · 0 评论 -
EfficientNet论文翻译
原文链接:https://arxiv.org/abs/1905.11946摘要 卷积神经网络(ConvNets)普遍在一个固定的资源预算下发展的,如果可以获得更多的资源那么就增大模型来得到更好的准确率。本文系统性的研究了模型缩放尺度和以及确认,仔细地平衡网络的深度,宽度,和分辨率能够得到更好的效果。基于这个观点,我们提出了一个新的尺度缩放的方法,统一地缩放所有的维度,深度/宽度/分辨率使用一...翻译 2019-09-17 21:00:50 · 4168 阅读 · 1 评论 -
MixConv: Mixed Depthwise Convolutional Kernels
MixConv: Mixed Depthwise Convolutional Kernels摘要 深度卷积在当今的高效卷积神经网络中更加普遍,但卷积核的大小经常被忽略。在这篇文章中,我们系统性的研究了不同卷积核大小的影响,并发现了合并多个不同大小的卷积核的益处,能够有更好的准确率和效率。基于这个观察结果,我们提出了一个新的混合深度卷积(MixConv),即在一个卷积中自然的混合多个不同大小的...翻译 2019-09-10 16:06:35 · 1045 阅读 · 0 评论 -
Objects as Points论文总结
1、下采样4倍得到一个低分辨率的图,在这个图上来定义关键点而后生成heatMap2、返回原图的中心点会因为输出步长的量化导致偏移,预测一个偏移量来弥补3、能够用简单的方法来代替目前复杂的目标检测方法是一个质的飞越。4、以往的目标检测模型大多数是不可端到微分的不可训练的,那什么情况下是可微分的可训练的呢?5、为什么图像的特征可以回归出图像的坐标呢,如果直接回归肯定是不可以的。6、使用二维联...原创 2020-04-02 11:19:14 · 340 阅读 · 0 评论 -
《Deep Snake for Real-Time Instance Segmentation》
《Deep Snake for Real-Time Instance Segmentation》 论文借鉴了snake算法,将snake算法做成了轮廓结构化特征学习的方法。DeepSnake是基于轮廓的两阶段实例分割的方法,初始化建议轮廓,然后对建议轮廓进行变形,是其对目标更加贴合。论文使用了循环卷积取得了比通用的图卷积能更好的挖掘轮廓的周期图结构。Key Words:Snake、Tw...原创 2020-03-18 22:40:00 · 3552 阅读 · 1 评论 -
《 ATSS:Adaptive Training Sample Selection》
《ATSS:Adaptive Training Sample Selection》 此论文一出感觉是在告诉像我们这样的小朋友根本没有深入理解目标检测。论文醍醐灌顶的指出了影响Anchor-based和Anchor-free效果的关键在于正负训练样本的选择。而且证明了铺设过多的锚点框其实是不必要的。论文提出的自适应的训练样本选择方法能够缩小Anchor-based和Anchor-free效果...原创 2020-04-15 15:24:00 · 746 阅读 · 0 评论