- 博客(3)
- 收藏
- 关注
RSS订阅
原创 一文打尽目标检测NMS——精度提升篇
一文打尽目标检测NMS——精度提升篇分类优先定位优先加权平均方差加权平均自适应阈值+中心点距离总结参考文献众所周知，非极大值抑制NMS是目标检测常用的后处理算法，用于剔除冗余检测框，本文将对可以提升精度的各种NMS方法及其变体进行阶段性总结。总体概要：对NMS进行分类，大致可分为以下六种，这里是依据它们在各自论文中的核心论点进行分类，这些算法可以同时属于多种类别。分类优先：传统NMS，Soft-NMS (ICCV 2017)定位优先：IoU-Guided NMS (ECCV 2018)加权平均
2020-06-30 19:10:51
2014
原创 一文了解目标检测边界框概率分布
一文了解目标检测边界框概率分布概率建模众所周知，CNN的有监督学习通常是建立在给定训练数据集之上的，数据集的标签(也称为GT)，决定了人类期望模型学习的样子。它通过损失函数、优化器等与CNN模型相连。因而机器所表现的出的一切有关识别、定位的能力，均是合理优化的结果。同样地，如何能够玩转目标检测？其实只需能够玩转最优化即可。在最近两年内，出现了一些有关目标检测bounding box概率分布建模的文章，如Softer-NMS (CVPR 2019)，Gaussian YOLOv3 (ICCV 2019)
2020-06-30 18:17:54
1010
1
原创 一文打尽目标检测NMS——效率提升篇
在笔者上一篇文章《一文打尽目标检测NMS——精度提升篇》中，总结了近几年出现的一些可以提升NMS精度的方法。可以看到，NMS由于顺序处理的原因，运算效率较为低下。在笔者的实际项目中，NMS往往能占模型计算总时间的40%甚至更多，极大影响了模型的效率。经过笔者一段时间的调研，关于提升NMS运算速度的方法，在这里也将结合代码进行阶段性总结。所参考的代码库列举如下：Faster RCNN pytorch (rbg大神) 的 CUDA NMSYOLACT团队提出的Fast NMSCIoU团队提出的Clu.
2020-07-14 08:01:07
3188
7
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人