![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文解读
文章平均质量分 94
本专栏分享机器学习、深度学习、计算机视觉等领域比较前沿的论文,对论文进行较为个性化的解读。
周先森爱吃素
大家好,我是CSDN博主周先森爱吃素,目前处于研究生阶段,主攻方向为计算机视觉的研究。加入CSDN以来,凭借热爱与坚持,以博文的方式分享所学,截至目前已发文近300篇,内容涉及Python开发、网络爬虫、Linux开发、机器学习、计算机视觉等领域,感谢大家的关注、点赞、评论和收藏,是你们的坚持,促使我在这条路上坚定不移地走下去。未来,我会更加专注于自己喜爱的方向,学习更多的知识,输出更加高质量的文章。
展开
-
PoolFormer解读
解读最近一篇视觉Transformer的工作,PoolFormer,论文为《MetaFormer is Actually What You Need for Vision》。原创 2021-12-04 18:40:26 · 4452 阅读 · 4 评论 -
ViP解读:视觉MLP结构新作
解读最近一篇视觉MLP的工作,ViP,论文为《Vision Permutator: A Permutable MLP-Like Architecture for Visual Recognition》。原创 2021-06-26 13:04:30 · 2530 阅读 · 4 评论 -
TADAM解读
本文解读最近收录于CVPR2021的一篇MOT的工作,Online Multiple Object Tracking with Cross-Task Synergy,该方法实现了位置预测和关联嵌入之间的跨任务协同作用。原创 2021-06-19 13:40:12 · 2092 阅读 · 1 评论 -
GCT解读
本文解读一篇新的收录于CVPR2021的通道注意力的工作,GCT,论文为Gaussian Context Transformer。原创 2021-06-15 15:08:56 · 3202 阅读 · 8 评论 -
ResT解读
解读新的一篇视觉Transformer工作,ResT,论文为ResT: An Efficient Transformer for Visual Recognition。原创 2021-06-03 18:24:41 · 1178 阅读 · 5 评论 -
MOTR解读
本文解读MOT领域的一个新方法MOTR: End-to-End Multiple-Object Tracking with TRansformer,这是第一个真正意义上端到端的多目标跟踪框架。原创 2021-05-18 18:34:36 · 3988 阅读 · 2 评论 -
RelationTrack解读
解读最近基于FairMOT改进的新SOTA方法,原论文为RelationTrack: Relation-aware Multiple Object Tracking with Decoupled Representation。原创 2021-05-12 13:10:52 · 676 阅读 · 7 评论 -
EANet解读
本文解读最近清华针对自注意力的高效改进的External Attention,即Beyond Self-attention: External Attention using Two Linear Layers for Visual Tasks这篇文章。原创 2021-05-09 15:04:46 · 2429 阅读 · 7 评论 -
SL解读
本文主要解读Symmetric Cross Entropy for Robust Learning with Noisy Labels这篇针对标签噪声下分类任务的工作,在交叉熵的基础上提出了对称交叉熵。原创 2021-05-06 19:42:52 · 1394 阅读 · 3 评论 -
CSTrackV2解读
本文主要解读最近CSTrack原团队对CSTrack改进而提出的CSTrackV2,即One More Check: Making "Fake Background" Be Tracked Again这篇文章。原创 2021-04-22 22:04:49 · 963 阅读 · 0 评论 -
GHM解读
解读Gradient Harmonized Single-stage Detector这篇论文提出的GHM损失,有效改善了Focal Loss的遗留问题。原创 2021-04-15 12:34:29 · 5194 阅读 · 2 评论 -
CorrTracker解读
解读新出来的一篇MOT新SOTA论文Multiple Object Tracking with Correlation Learning,引入相关性学习到多目标跟踪中,大大提高了跟踪的精度。原创 2021-04-12 19:29:51 · 1034 阅读 · 1 评论 -
GCNet解读
本文主要针对Global Correlation Network: End-to-End Joint Multi-Object Detection and Tracking提出的GCNet进行解读,该方法是多目标跟踪领域JDT方法一种新的框架。原创 2021-04-08 18:24:03 · 1863 阅读 · 0 评论 -
TransCenter解读
本文介绍这篇出自MIT的多目标跟踪方向的新论文TransCenter: Transformers with Dense Queries for Multiple-Object Tracking,其将transformer和基于Center的目标检测与跟踪联合到一起,设计了一个全新的多目标跟踪框架,超越了此前的TransTrack和TrackFormer,一举冲到了SOTA方法精度的最前列。原创 2021-04-06 12:53:24 · 2226 阅读 · 3 评论 -
CDIoU解读
解读Control Distance IoU and Control Distance IoU Loss Function for Better Bounding Box Regression这篇针对IoU损失的改进。原创 2021-03-31 14:57:57 · 1339 阅读 · 5 评论 -
YOLOF解读
解读最近收录于CVPR2021的针对FPN的工作You Only Look One-level Feature,只使用单层特征图也能达到FPN相当的效果,节省内存开销。原创 2021-03-24 10:53:40 · 9675 阅读 · 12 评论 -
TraDeS解读
解读Track to Detect and Segment: An Online Multi-Object Tracker这篇收录于CVPR2021的MOT领域的新作。原创 2021-03-22 15:43:21 · 3730 阅读 · 2 评论 -
GFocalV2解读
解读Generalized Focal Loss V2: Learning Reliable Localization Quality Estimation for Dense Object Detection这篇首次用边框分布统计特征指导质量估计的工作。原创 2021-03-20 14:30:17 · 653 阅读 · 2 评论 -
GFocal解读
解读Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection这篇文章,该论文将边框表示一举推向了通用分布,极具开创意义。原创 2021-03-18 12:16:45 · 1304 阅读 · 2 评论 -
TTFNet解读
解读Training-Time-Friendly Network for Real-Time Object Detection这篇针对当前推理速度快的检测器在训练时间上的优化,效果非常明显,值得关注。原创 2021-03-16 20:10:55 · 3045 阅读 · 3 评论 -
TrackFormer解读
解读TrackFormer: Multi-Object Tracking with Transformers这篇基于DETR,将Transformer引入多目标跟踪的工作。原创 2021-03-14 10:33:05 · 7066 阅读 · 4 评论 -
SA-Net解读
解读SA-Net: Shuffle Attention for Deep Convolutional Neural Networks这篇轻量级注意力机制的论文。原创 2021-03-08 19:45:07 · 6770 阅读 · 1 评论 -
CoordAttention解读
本文解读Coordinate Attention for Efficient Mobile Network Design这篇针对轻量级网络设计的Coordinate Attention,将位置信息引入通道注意力取得了不错的效果。原创 2021-03-08 08:56:57 · 43391 阅读 · 58 评论 -
ATSS解读
解读Bridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive Training Sample Selection这篇文章,提出的ATSS方法如今被广泛使用。原创 2021-02-28 11:56:38 · 1322 阅读 · 0 评论 -
MOTDT解读
介绍Real-time Multiple People Tracking with Deeply Learned Candidate Selection and Person Re-Identification这篇几年前的MOT方法。原创 2021-02-24 14:25:46 · 1468 阅读 · 7 评论 -
NFNet解读
解读最近DeepMind发布的High-Performance Large-Scale Image Recognition Without Normalization这篇文章,针对无BN层的网络结构设计了NFNet系列网络,获得了新的SOTA。原创 2021-02-19 14:07:22 · 5990 阅读 · 3 评论 -
DEFT解读
本文对最近的DEFT: Detection Embeddings for Tracking这篇MOT新方法进行解读。原创 2021-02-10 15:07:06 · 787 阅读 · 0 评论 -
DetNet解读
解读DetNet: A Backbone network for Object Detection这篇在backbone做研究的目标检测论文。原创 2021-02-02 14:59:47 · 808 阅读 · 0 评论 -
MLT解读
解读一下目前在MOT榜单上取得非常优秀结果的MLT这个方法。原创 2021-01-21 12:48:57 · 1066 阅读 · 1 评论 -
FcaNet解读
解读从频域重新思考通道注意力的FcaNet这篇文章。原创 2021-01-18 14:43:45 · 13156 阅读 · 9 评论 -
TransTrack解读
解读TransTrack这个第一次将Transformer用于MOT的工作。原创 2021-01-10 13:45:20 · 8874 阅读 · 8 评论 -
视觉注意力机制(下)
介绍最新的视觉中的一些应用注意力机制的网络,包括SKNet、CCNet、ResNeSt以及Triplet Attention。原创 2020-12-20 20:38:20 · 2836 阅读 · 2 评论 -
视觉注意力机制(中)
介绍比较新的视觉中的一些应用注意力机制的网络,包括AA-Nets、GSoP-Net、GCNet以及ECA-Net。原创 2020-12-20 15:09:36 · 1964 阅读 · 6 评论 -
视觉注意力机制(上)
介绍早期视觉中的一些应用注意力机制的网络,包括Non-local、SENet、BAM以及CBAM。原创 2020-12-16 21:03:43 · 3785 阅读 · 1 评论 -
SENet&SKNet 解读
介绍两篇卷积神经网络历史上很有代表性的作品SENet和SKNet。原创 2020-12-07 20:13:49 · 2946 阅读 · 10 评论 -
TPAGT解读
解读Tracklets Predicting Based Adaptive Graph Tracking这个MOT的新SOTA方法。原创 2020-12-04 15:33:43 · 1497 阅读 · 8 评论 -
R-CNN系列解读
从R-CNN到Sparse R-CNN解读R-CNN系列检测算法。原创 2020-11-30 20:18:07 · 924 阅读 · 0 评论 -
EfficientDet解读
对目前目标检测的SOTA方法EfficientDet进行简单解读,其在很多检测赛获得了第一名。原创 2020-11-22 12:22:03 · 2386 阅读 · 1 评论 -
CSTrack解读
解读MOT论文Rethinking the competition between detection and ReID in Multi-Object Tracking。原创 2020-11-20 08:58:30 · 3331 阅读 · 3 评论 -
DCN & RepPoints解读
介绍从DCN到RepPoints,anchor-free目标检测比较重要的成果的系列解读。原创 2020-11-13 11:22:50 · 1987 阅读 · 0 评论