目标检测
xuefengxiaoyang
这个作者很懒,什么都没留下…
展开
-
Fast R-CNN论文笔记
论文链接:Fast R-CNN摘要:这篇论文提出了一个快速的基于候选区域的网络用于目标检测,叫做Fast R-CNN。Fast R-CNN是在之前的工作基础(R-CNN,SPPnet等)上改进的,相比于之前的工作,Fast R-CNN使用了几个创新的方法,不仅降低了训练和测试的时间,也提高了检测精度。使用VGG16作为主干网络,Fast R-CNN比R-CNN训练快9倍,测试快213倍,比...原创 2019-05-19 16:13:16 · 829 阅读 · 0 评论 -
Aggregated Residual Transformations for Deep Neural Networks论文笔记
摘要:这篇论文是ResNet的改进版,通常要增加网络的性能,是增加网络的参数,比如加深或加宽网络都可以,但是这么做会增加网络的复杂度。这篇论文,作者提出一个新感念‘cardinality’,指的是转换层的数量,叫做基数。并且证明了增加基数的大小也能有效提高网络的性能,并且比增加网络的宽度和深度更有效,并且并不会使网络更复杂。结构:增加网络的深度只是增加卷积层的堆叠数量加深网络一般来说,层数...原创 2019-07-04 22:39:45 · 296 阅读 · 0 评论 -
MultiNet Real-time Joint Semantic Reasoning for Autonomous Driving论文笔记
摘要:虽然大多数语义推理方法都侧重于提高性能,但在本文中,认为计算时间对于实现自动驾驶等实时应用非常重要。 为实现这一目标,作者提出了一种通过统一架构进行联合分类,检测和语义分割的方法,其中编码器在三个任务之间共享。 我们的方法非常简单,可以在具有挑战性的KITTI数据集中端到端地进行训练并表现得非常好,超越了道路分割任务中的最新技术水平。 提出的方法也非常有效,允许以超过每秒23帧的速度进行...原创 2019-07-04 10:05:46 · 582 阅读 · 0 评论 -
YOLO9000: Better, Faster, Stronger论文笔记
论文链接:https://arxiv.org/abs/1612.08242摘要:论文在YOLO的基础上,引入BN,更高分辨率的分类器,anchor机制提高了精度,对应题目的Better。通过使用自家提出的DarkNet19提高了速度,对应题目的Faster。通过WordTree将目标检测数据集和图像分类数据集组合起来,将检测器和分类器解耦,可以实现弱监督学习,可以检测9000个类别,对应题...原创 2019-06-15 18:33:34 · 196 阅读 · 0 评论 -
SSD: Single Shot MultiBox Detector论文笔记
论文链接:SSD: Single Shot MultiBox Detector代码:SSD摘要:作者提出了一个单一的深度神经网络(SSD)来做图像的目标检测。网络预测出的边界框由一系列默认框组成,这些默认框位于每个特征图位置上并且有不同的横纵比和尺度。在预测时,网络为每个默认框中每个目标类别的存在生成评分,并对该框进行调整以更好地匹配对象形状。此外,该网络结合了来自不同分辨率的多个特...原创 2019-05-15 17:49:39 · 282 阅读 · 0 评论 -
R-CNN(Rich feature hierarchies for accurate object detection and semantic segmentation)论文笔记
论文链接:Rich feature hierarchies for accurate object detection and semantic segmentation摘要:在PASCAL VOC数据集上,目标检测的性能没有太大的突破。性能最好的方法是复杂的集成系统,它通常将多个低层图像特性与高层上下文结合起来。在本文中,作者提出了一种简单、可扩展的检测算法,相对于之前VOC 2012的...原创 2019-05-18 22:50:58 · 307 阅读 · 0 评论 -
RefineDet(Single-Shot Refinement Neural Network for Object Detection)论文笔记
论文链接:Single-Shot Refinement Neural Network for Object Detection代码链接:RefineDet代码摘要:对于目标检测任务,两阶段方法(比如Faster R-CNN)实现了最高的准确率。然而一阶段方法(比如:SSD)在计算效率上有优势。为了吸收这两个方法的优点并且摒弃他们的缺点。这篇论文提出了一个新的基于一步式的检测器,叫做Re...原创 2019-05-08 17:55:22 · 497 阅读 · 0 评论 -
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks论文笔记
论文链接:Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks摘要:最先进的目标检测网络依赖于候选区域提取算法来假设目标位置。SPPnet和Fast R-CNN网络等技术的进步降低了这些检测网络的运行时间,也暴露了基于候选区域算法的计算瓶颈。在这篇文章中,作者引入了一个与检测网络共享全图...原创 2019-05-29 16:50:42 · 249 阅读 · 0 评论 -
YOLOv1(You Only Look Once: Unified, Real-Time Object Detection)论文笔记
论文链接:You Only Look Once: Unified, Real-Time Object Detection网页地址:YOLO摘要:我们提出了YOLO,一个新的方法用于目标检测。之前的目标检测工作都是使用分类器来做检测。相反,我们将目标检测中空间分离的边界框和相关的类概率问题使用回归来处理。在每次测试时,一个神经网络直接从全图预测出目标的边界框和所属的类别。因为整个检测流程...原创 2019-05-07 15:55:16 · 991 阅读 · 0 评论