R CNN总结 不总结就没有积累 R CNN的全称是 Regions with CNN features。它的主要基础是经典的AlexNet，使用AlexNet来提取每个region特征，而不再是传统的SIFT SURF的特征。同时，还利用了AlexNet本来的功能：分类，这时所得的分类结果相当于预分类。最后，由于每个Region是有边界的，使用SVM对其进行分类得到一个score，定位每个物体的 ...
2016-07-22 14:48 0 1745 推荐指数：
论文标题：Rich feature hierarchies for accurate object detection and semantic segmentation 标题翻译：丰富的特征层次结构，可实现准确的目标检测和语义分割 论文作者：Ross Girshick Jeff ...
论文网址： https://arxiv.org/abs/1311.2524 RCNN利用深度学习进行目标检测。 摘要 可以将ImageNet上的进全图像分类而训练好的大型卷积神经网络用到PASCAL的目标检测中？ 答案是肯定的，并且结果是简单的，可扩展的，相对于可变部件模型（DPM ...
Rich feature hierarchies for accurate object detection and semantic segmentation 作者: Ross Girshick Jeff Donahue Trevor Darrell Jitendra Malik 引用 ...
论文的关注点在于如何提高bounding box的定位，使用的是概率的预测形式，模型的基础是region proposal。论文提出一个locNet的深度网络，不在依赖于回归方程。论文中提到locnet可以很容易与现有的detection系统结合，但我困惑的是（1）它们的训练的方法，这点论文 ...
相关工作： 将R-CNN推广到RGB-D图像，引入一种新的编码方式来捕获图像中像素的地心姿态，并且这种新的编码方式比单纯使用深度通道有了明显的改进。 我们建议在每个像素上用三个通道编码深度图像：水 ...
YOLO的一大特点就是快，在处理上可以达到完全的实时。原因在于它整个检测方法非常的简洁，使用回归的方法，直接在原图上进行目标检测与定位。 多任务检测： 网络把目标检测与定位统一到一个深度网络 ...
概要 最近的语义分割方法都在探索encoder-decoder结构。一般这种结构中的encoder产生较小分辨率的feature map，然后最后的decoder通过双线性上采样来得到像素级的预测。作者认为这种方法太简单粗暴是次优的，所以提出了一种新的上采样方法：Dupsampling，这种 ...
论文原址：https://arxiv.org/pdf/1809.08545.pdf github：https://github.com/yihui-he/KL-Loss 摘要 大规模的目标检测数据集在进行ground truth 框标记时仍存在这歧义，本文提出新的边界 ...
