目标检测
文章平均质量分 94
^如昼
这个作者很懒,什么都没留下…
展开
-
让样本不一样重要-A Dual Weighting Label Assignment Scheme for Object Detection
CVPR 2022论文链接:https://arxiv.org/abs/2203.09730个人理解:作者发现样本的重要性是不一致的,正负样本所占权重不一致,基于此提出了多重加权(pos和neg)。一个样本的pos权重由其分类和定位分数之间的一致性程度决定,而neg权重被分解为两个项:它是一个否定样本的概率和它作为一个否定样本的重要性。论文思路:静态和动态匹配策略都忽略了样本不同样重要这一事实,最优预测不仅应该具有较高的分类分数,还应该具有准确的定位,这意味着在训练中,分类头和回归头之间具有较高一致性原创 2022-04-15 20:41:57 · 7315 阅读 · 4 评论 -
让边界信息更清晰-Instance Localization for Self-supervised Detection Pretraining
CVPR 2021论文链接:https://arxiv.org/abs/2102.08318个人理解论文思路:提出问题:方法:实验:结果:文章目录简介一、pandas是什么?二、使用步骤1.引入库2.读入数据总结简介一、pandas是什么?示例:pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码如下(示例):import numpy as npimport pandas as pdimport matplotlib原创 2022-04-01 00:08:25 · 4214 阅读 · 0 评论 -
让特征更可辨识-FSCE: Few-Shot Object Detection via Contrastive Proposal Encoding
CVPR 2021论文链接:https://arxiv.org/abs/2103.05950个人理解论文思路:作者认为,低AP源于混淆分类带来的误分类,可以通过输入图像与支持样例的特征进行对比的方法,来提高类紧凑和类间差。提出问题:少样本下的误分类问题方法:实验:结果:详细叙述简介相关方法方法1.引入库2.读入数据实验总结简介深度学习需要大量的标记数据,而现实生活中存在很多少样本的情况。在少样本训练中,存在误分类的问题。在深层网络中,少样本会有严重的过采样问题。在以往的方法中,元原创 2022-03-23 15:06:27 · 4439 阅读 · 0 评论 -
让检测变简单-End-to-End Object Detection with Fully Convolutional Network
CVPR 2021论文链接:https://arxiv.org/abs/2012.03544个人理解论文思路:针对NMS,分析能否去掉NMS,提出 POTO 用于动态分配前景样本和 3DMF 提高卷积的可判别性提出问题:NMS is not necessary and could a fully convolutional network achieve competitive end-to-end object detection方法:实验:结论:详细叙述简介相关方法方法1.分析 l原创 2022-03-05 00:04:32 · 3235 阅读 · 0 评论 -
YOLOv4系列backbone-CSPNet: A new backbone that can enhance learning capability of cnn.
文章目录前言发表源代码论文动机论文贡献与成果模型方法说明1.DenseNet与CSPNet模型2.DenseNet与CSPNet的前馈传递与权重更新3.CSPNet各个阶段的目的4.EFM机制5.CSPNet的变体实验总结前言YOLOv4中所采用的的backbone发表CVPR2020源代码https://github.com/WongKinYiu/CrossStagePartialNetworks论文动机作者认为推理计算过高的问题是由于网络优化中的梯度信息重复导致的。CSPNet通过将原创 2021-03-12 17:16:58 · 516 阅读 · 0 评论