论文原址：https: arxiv.org pdf . .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，easy,hard样本的巨大差距。本文从梯度角度出发，指出了上面两个不足带来的影响。然后，作者进一步提出了梯度协调机制 GHM 用于避开上面的不足。 ...
2019-04-25 11:38 0 1157 推荐指数：
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/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 ...
论文源址：https://arxiv.org/abs/1704.05776 开源代码：https://github.com/xiaohaoChen/rrc_detection 摘要 大多数目标检测及定位算法基于R-CNN类型的两阶段处理方法，第一阶段生成可行区域框，第二步对决 ...
论文原址：https://arxiv.org/abs/1902.05093 github:https://github.com/lingtengqiu/Deeperlab-pytorch 摘要 本文提出了一种bottoom-up，single-shot的全景图像分析 ...
论文原址：https://arxiv.org/abs/1810.08425 github:https://github.com/KimSoybean/ScratchDet 摘要 当前较为流行的检测算法是在经典的大规模分类的数据集上进行微调，但这样做会存在两个问题 ...
论文原址：https://arxiv.org/abs/1903.00621 摘要 本文提出了基于无anchor机制的特征选择模块，是一个简单高效的单阶段组件，其可以结合特征金字塔嵌入到单阶段检测器中。FSAF解决了传统基于anchor机制的两个限制:(1)启发式 ...
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 ...
和Anchor之间的IOU,这也是这篇论文的主要创新点,Faster RCNN等方法是对Anchor进行分类,与G ...
