![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
网络Tricks
文章平均质量分 89
Tianchao龙虾
这个作者很懒,什么都没留下…
展开
-
深度学习中的常用的归一化方法汇总
深度学习中归一化的方法汇总原创 2022-08-30 16:33:26 · 3439 阅读 · 0 评论 -
ThunderNet 论文笔记
ThunderNet: Towards Real-time Generic Object Detection ThunderNet 论文链接: https://arxiv.org/abs/1903.11752一、 Problem Statement作者设计一个在计算资源有限的情况下,能达到实时的检测器。目前的detectors分为两类:two-stage detectorsone-stage detectorstwo-stage检测器如Light-Head R-CNN,有一个缺点就是w原创 2021-11-02 14:06:21 · 232 阅读 · 0 评论 -
Dynamic Head 论文笔记
Dynamic Head: Unifying Object Detection Heads with Attentions Dynamic Head CVPR 2021论文链接: https://arxiv.org/abs/2106.08322一、 Problem Statement设计一个好的目标检测头应该有三个准则:scale-awarespatial-awaretask-aware目前的检测头都只关注其中一个,因此需要解决把三个统一结合起来。二、 Direction设计一个原创 2021-10-28 11:59:42 · 2156 阅读 · 4 评论 -
Rethinking Classification and Localization for Object Detection 论文笔记
Rethinking Classification and Localization for Object Detection CVPR 2020 论文链接: https://arxiv.org/abs/1904.06493一、 Problem StatementR-CNN based的检测器通常都是有两个检测头,classification head和localization head。但是很少研究去理解这两个检测头是怎么工作的。二、 Direction通过不同的全连接层和卷积层的组合,探索不原创 2021-10-25 15:09:54 · 427 阅读 · 0 评论 -
Deformable ConvNets v2 论文笔记
Deformable ConvNets v2: More Deformable, Better Results Deformable ConvNets v2 论文链接: https://arxiv.org/abs/1811.11168一、 Problem Statement通过对deformable convolution的适应性行为研究,作者观察到,虽然其神经特征的空间支持比常规卷积更符合对象结构,但这种支持可能远远超出感兴趣的区域,导致特征受到无关图像内容的影响。因此想提高可变形卷积的能力,使得原创 2021-10-20 14:34:55 · 1043 阅读 · 0 评论 -
TPH-YOLOv5 论文笔记
TPH-YOLOv5: Improved YOLOv5 Based on Transformer Prediction Head for Object Detection on Drone-captured Scenarios TPH-YOLOv5 2021 ICCV workshop 论文链接: https://arxiv.org/abs/2108.11539一、 Problem Statement利用和改进YOLOv5进行无人机目标识别。无人机目标识别通常有以下几个问题:目标大小变化较大运原创 2021-10-18 08:43:45 · 4954 阅读 · 0 评论 -
Coordinate Attention 论文笔记
Coordinate Attention for Efficient Mobile Network DesignCA block CVPR2021论文链接: https://arxiv.org/abs/2103.02907一、 Problem StatementSE block只关注了inter-channel的联系,忽略了位置信息。虽然CBAM添加了spatial attention module,但是是通过卷积来获取位置信息,而卷积只能捕获局部位置关系,不能够对长范围关系进行建模。二、 Di原创 2021-10-14 10:10:59 · 1603 阅读 · 0 评论 -
CBAM 论文笔记
CBAM: Convolutional Block Attention Module CBAM ECCV 2018论文链接: https://arxiv.org/abs/1807.06521一、 Problem StatementSE block只关注于channel-wise attention,但是忽略了spatial-wise attetion。作者融合了这两个,提升SE Module的性能。二、 Direction通过Convolutional Block Attention Modul原创 2021-10-13 13:28:03 · 896 阅读 · 0 评论 -
Deformable Convolutional Networks
Deformable Convolutional Networks Deformable Conv 论文链接: https://arxiv.org/abs/1703.06211一、 Problem Statement传统CNN对geometric transformations variations不敏感。也就是说, 由于不同的位置可能对应于具有不同尺度或变形的对象,因此自适应确定尺度或感受野大小对于具有精细定位的视觉识别任务是有益的。二、 Direction提出了两个模块:deformab原创 2021-09-27 14:03:39 · 542 阅读 · 0 评论 -
FaPN: Feature-aligned Pyramid Network for Dense Image Prediction 论文笔记
FaPN: Feature-aligned Pyramid Network for Dense Image Prediction FaPN ICCV2021论文链接: https://arxiv.org/abs/2108.07058一、 Problem Statement尤其对于dense prediction任务来说,对于目标定位需要丰富的空间细节和对于分类来说需要较好的语义信息。 如何有效地生成不同尺度的特征层成为处理dense prediction任务时需要克服的关键障碍之一。一般有两个方原创 2021-09-15 17:25:14 · 2998 阅读 · 1 评论 -
Bag of Freebies for Training Object Detection Neural Networks 论文笔记
Bag of Freebies for Training Object Detection Neural Networks论文链接: https://arxiv.org/abs/1902.04103一、 Problem Statement提出一些tricks来提升目标检测性能。二、 DirectionCoherent Image MixupClassification Head Label SmoothingData Preprocessing: Random geometry transf原创 2021-09-14 16:38:39 · 91 阅读 · 0 评论 -
SPP-net 论文笔记
Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition SPP-net 论文链接: https://arxiv.org/abs/1406.4729一、 Problem Statement传统的网络结构设计由于包含了全连接层,因此需要固定大小的输入。以前的解决办法是用crop和warp来预处理图像,这样会使得精度由于信息的丢失或者变形导致降低。二、 Direction提出Spatial Pyram原创 2021-08-23 15:58:54 · 300 阅读 · 0 评论 -
Squeeze-and-Excitation Networks 论文笔记
Squeeze-and-Excitation Networks论文链接: https://arxiv.org/abs/1709.01507一、 Problem Statement本论文关注channel之间的关系,提出了一个新的结构单元,SE block。 这个SE block可以自适应地重新校准通道特征响应, 这样就网络就可以学习使用全局信息来选择性地强调信息性特征,并抑制不太有用的特征。二、 Direction提出了一个新的结构单元: SE block。其分为两个部分,squeeze oper原创 2021-08-06 09:22:03 · 411 阅读 · 0 评论 -
Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift 论文笔记
Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift论文链接: https://arxiv.org/abs/1502.03167一、 Problem Statement在训练的时候,输入分布的变化要求较低的学习率和较为严谨的参数初始化,使得训练模型困难。此外,各层输入分布的变化带来了一个问题,因为各层需要不断地适应新的分布,把这个问题称为内部协变量偏移(internal原创 2021-06-24 16:33:56 · 243 阅读 · 0 评论 -
Soft-NMS -- Improving Object Detection With One Line of Code 论文笔记
Soft-NMS – Improving Object Detection With One Line of Code论文链接: https://arxiv.org/abs/1704.04503一、 Problem Statement传统的NMS首先会对预测出来的bounding box进行排序,然后选择一个最大值与所设置的阈值进行比较,从而删除那些重叠度较高的bounding box。但是会有下图所示的问题:传统的NMS会把相邻的检测框的置信度变为0。因此一个目标如果真的出现在重叠的阈值范围内,原创 2021-05-08 08:20:41 · 243 阅读 · 0 评论