论文原址：https: arxiv.org pdf . .pdf github:https: github.com generalized iou 摘要 在目标检测的评测体系中，IoU是最流行的评价准则。然而，在对边界框的参数进行优化时，常用到距离损失，而按照IOU的标准则是取其最大值，二者之间是有一定差别的。对一个标准进行优化的目标函数是其标准本身。比如，对于 D的坐标对齐的边界框，可以直接使 ...
2019-04-10 18:25 0 1155 推荐指数：
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 ...
论文地址：Generalized Intersection over Union 一、相关工作 目标检测精度标准 度量检测优劣基本基于 IOU，mAP 是典型的基于 IOU 的标准，但是 mAP 仅有一个 threshold，对于过了线的预测框一视同仁，不能进一步衡量其优劣，所以 MS ...
论文原址：https://arxiv.org/abs/1904.01355 github: tinyurl.com/FCOSv1 摘要 本文提出了一个基于全卷积的单阶段检测网络，类似于语义分割，针对每个像素进行预测。RetinaNet,SSD,YOLOv3，Faster ...
目录 作者要解决的问题 Focal loss(CVPR2017) Focal loss的解决方案 Focal loss的不足 设计思路 梯度与样本的关系 梯度模计算方法 改进 ...
论文原址：https://arxiv.org/pdf/1811.05181.pdf github:https://github.com/libuyu/GHM_Detection 摘要 尽管单阶段的检测器速度较快，但在训练时存在以下几点不足，正负样本之间的巨大差距，同样 ...
论文原址:https://arxiv.org/abs/1811.07275 摘要 一个训练好的网络模型由于其模型捕捉的特征中存在大量的重叠，可以在不过多的降低其性能的条件下进行压缩剪枝。一些skip/Dense网络结构一定程度上减弱了重叠的现象，但这种做法引入了大量 ...
论文原址：https://arxiv.org/abs/1904.03797 摘要 FoveaBox属于anchor-free的目标检测网络，FoveaBox直接学习可能存在的图片种可能存在的目标，这期间并不需要anchor作为参考。主要靠两方面实现:（1）产生类别敏感的语义 ...
论文原址:https://arxiv.org/pdf/1903.06586.pdf github: https://github.com/implus/SKNet 摘要 在标准的卷积网络中，每层网络中神经元的感受野的大小都是相同的。在神经学中，视觉神经元感受野的大小 ...
