![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
文章平均质量分 91
查小小小米
这个作者很懒,什么都没留下…
展开
-
[论文翻译]YOLOX: Exceeding YOLO Series in 2021
YOLOX:2021超越YOLO系列摘要本报告中,我们对YOLO系列进行了一些有经验的改进,构成了一个新的高性能检测器——YOLOX。我们将YOLO检测器变成无锚模式,并实施了一些其他先进检测技术,即,一个解耦头和引导标签分配策略SimOTA在大尺度范围模型中达到SOTA结果:对于仅有0.91M参数和1.08FLOPs的YOLONano,我们在COCO上达到25.3%AP,超越NanoDet1.8%AP。对于YOLOv3,工业上使用最广泛的检测器之一,我们在COCO上将其提升到47.3%AP,比当前最佳原创 2021-08-20 17:00:16 · 1286 阅读 · 9 评论 -
[论文翻译]Sparse R-CNN: End-to-End Object Detection with Learnable Proposals
Sparse R-CNN:具有可学习提案的端到端目标检测摘要我们提出稀疏R-CNN,一个纯稀疏检测图像物体的方法。现有目标检测的工作严重依赖于密集候选对象,比如在H×WH×WH×W大小的图像特征图的所有网格预定义kkk个锚框。但在我们的方法中,一个固定稀疏的可学习目标提案集合,总长为NNN,供给目标石鳖头来分类和定位。通过消除HWkHWkHWk个(多达数十万)手动设计的候选对象到N个(如100)可学习提案,稀疏R-CNN彻底避免了所有与候选目标设计和多对一标签分配的工作。更重要的是,最终预测直接输出,并原创 2021-07-26 17:33:09 · 606 阅读 · 0 评论