目标检测
文章平均质量分 91
CV51
对计算机视觉中的目标检测、跟踪、分割、轻量化神经网络感兴趣
展开
-
Dynamic R-CNN|在训练时动态改变标签分配阈值和SmoothL1损失超参
今天跟大家分享ECCV2020中关于目标检测的一篇文章论文标题:Dynamic R-CNN: Towards High Quality Object Detection via Dynamic Training论文下载地址:https://arxiv.org/abs/2004.06002源码下载地址:https://github.com/hkzhang95/DynamicRCN动机在传统的二阶段检测器训练过程中,用于分类任务标签分配的IoU阈值是固定的,设置较高的IoU阈值会提高正样本的质量,然原创 2021-05-29 16:53:34 · 508 阅读 · 0 评论 -
CPN|一个Anchor-free, Two-stage的目标检测器
今天和大家分享一篇ECCV2020中的目标检测论文。论文名称:Corner Proposal Network for Anchor-free,Two-stage Object Detection论文下载地址:https://arxiv.org/abs/2007.13816源码下载地址:https://github.com/Duankaiwen/CPNDet动机作者通过实验表明,Anchor-free的目标检测器对于尺寸变化大、长宽比变化大的目标有很好的检测效果,但是Anchor-free的检测器原创 2021-05-27 22:42:43 · 239 阅读 · 0 评论 -
TIDE|一个通用的目标检测失效分析工具
今天和大家分享一篇ECCV2020中关于目标检测失效分析工具的文章。文章标题:TIDE: A General Toolbox for Identifying Object Detection Errors文章下载地址:https://arxiv.org/abs/2008.08115代码下载地址:https://dbolya.github.io/tide/动机在目标检测和实例分割任务中,通常以mAP作为衡量模型性能的指标,然而在不同的应用场景中,仅仅看mAP的值是不合适的。比如:在肿瘤检测任务原创 2021-05-26 22:24:49 · 1875 阅读 · 0 评论 -
PIoU Loss|用于提高旋转目标检测器性能的新型损失函数
今天和大家分享一篇ECCV2020中关于旋转目标检测的文章:源码地址:https://github.com/clobotics/piou论文地址:https://arxiv.org/abs/2007.09584动机在检测旋转目标时,使用传统的Smooth L1损失会更关注减小角度误差(angle error)而不是减小全局IoU。如下图中图(a)所示,图中绿色的框是预测得到的Bounding Box,红色的框是ground truth。在图(a)中,虽然2个目标的IOU一致,但是明显看到“细长原创 2021-05-24 21:58:51 · 1439 阅读 · 0 评论 -
SABL|粗细结合,预测更精准的Bounding Box
分享一篇ECCV2020中的目标检测论文《Side-Aware Boundary Localization for More Precise Object Detection》论文下载链接:https://arxiv.org/abs/1912.04260源码链接:https://github.com/open-mmlab/mmdetection作者提出了一种方法,能够有效地提高Bounding Box的准确性,介绍如下。增加Bounding Box准确性的思路在传统的二阶段目标检测网络中,预测原创 2021-05-22 12:03:40 · 1048 阅读 · 0 评论 -
BorderDet|提取Bounding Box边界特征进一步优化检测结果
跟大家分享ECCV2020中的一篇文章《BorderDet: Border Feature for Dense Object Detection》。论文下载地址:https://arxiv.org/abs/2007.11056源码地址:https://github.com/Megvii-BaseDetection/BorderDet在这篇文章中,作者提出了BAM(Border Alignment Module),将其融入到FCOS检测器中,构造出名为BorderDet的检测器。通过实验表明,增加BA原创 2021-05-20 21:44:58 · 238 阅读 · 0 评论