目标检测学习笔记
文章平均质量分 76
一名不想学习的学渣
深度学习好难啊
展开
-
用于微小目标检测的上下文扩展和特征细化网络
作者又将这样的ASPP模块的融合方式通过下面三种方式进行实验,其中(a)和(c)方式就是一般的进行相加和拼接,几种不同的特征的权重是相同的,而对于(b)方式就是将最终结果再通过一个注意力机制进行重要性分析。一般来说第二种方式是比较不错的,因为这种方法我是在其他论文上见过的,在那篇小目标检测论文中,(b)的方式是一个创新点部分。这一部分的内容就是用来过滤冲突信息,防止微小物体的特征直接被淹没在冲突信息中,因为在FPN中对不同尺度进行融合,容易产生大量的冗余信息和冲突信息,从而降低了多尺度表达能力。原创 2022-11-03 19:44:07 · 5435 阅读 · 6 评论 -
小目标检测的注意特征金字塔网络
这是一篇小目标检测的文章,当然也是没有源代码的,自己只是为了学习它的创新点部分,看能不能给自己带来灵感。首先我们看看它的效果,如下图所示,感觉对小目标检测的效果还是非常不错的,证明作者提供的方法还是比较有效的。在本文中,我有一点比较佩服作者,那就是作者的用词实在是太棒了虽然方法不是特别难,但是作者硬生生地说的我有点看不懂。学习小目标检测的小伙伴都知道哈,小目标本身就是存在像素面积小,特征不明显,容易与背景发生混乱等等原因,从而导致小目标检测的效果不是很好。原创 2022-11-03 09:14:14 · 1790 阅读 · 0 评论 -
基于超分辨率的遥感图像小目标检测
这是一篇基于遥感图像小目标检测的文章,没有代码,只是为了学习学习思路而已,这篇文章针对遥感图像小目标检测困难问题,提出了一种模型,即将原始图像和简化后的图像同时输入检测网络,设计了简化后的图像超分辨率增强模块来增强小目标的特征提取,并提出了感知损失和纹理匹配损失作为监督。原创 2022-11-02 12:35:51 · 3772 阅读 · 3 评论 -
小目标检测的相关挑战与问题
今天读了一篇小目标检测的综述性文章,所以就做了下面的笔记进行学习自用。目标检测一般分为两类:第一:在所给定的图像中对目标进行定位,即获得目标的回归框。第二:对图像中的目标进行分类,得出该目标的所属类别。原创 2022-10-31 15:41:53 · 2556 阅读 · 1 评论 -
DETR:使用Transformer的端到端对象检测
这是一篇首次将Transformer应用在了目标检测领域中的论文。虽然效果不是最好,尤其是小目标检测效果,但是确实是给卷积神经络的瓶颈期带来了一个新的方向,原创 2022-10-27 21:09:31 · 1077 阅读 · 0 评论 -
MaxViT:多轴视觉Transformer
MaxViT:多轴视觉Transformer,这是一篇谷歌发表在ECCV2022的论文,这篇论文可以说是提供了一个即插即用的模块(个人觉得),该模块将CNN与Transformer相结合。原创 2022-10-26 13:21:23 · 1516 阅读 · 0 评论 -
TPH-YOLOv5: 基于Transformer预测头的改进YOLOv5用于无人机捕获场景目标检测
TPH-YOLOv5: 基于Transformer预测头的改进YOLOv5用于无人机捕获场景目标检测原创 2022-10-25 21:25:16 · 4212 阅读 · 5 评论 -
faster Rcnn论文阅读笔记
这位知乎的作者写的太棒了,针对原理讲的非常的详细,也通俗易懂,推荐大家可以看看!目标检测算法FasterRCNN简介与pytorch实现: - 知乎原创 2022-05-31 15:26:39 · 100 阅读 · 0 评论 -
YOLOV4学习笔记
YOLOV4学习笔记原创 2022-03-23 12:01:00 · 3541 阅读 · 0 评论 -
目标检测中Focal loss 损失函数理论和代码(Pytorch)学习笔记分享
目标检测中Focal loss 损失函数理论和代码(Pytorch)学习笔记分享原创 2022-03-09 08:00:00 · 2104 阅读 · 0 评论