论文原址：https: arxiv.org abs . 摘要 视觉任务中多尺寸的特征表示十分重要，作为backbone的CNN的对尺寸表征能力越强，性能提升越大。目前，大多数多尺寸的表示方法是layer wise的。本文提出的Res Net通过在单一残差块中对残差连接进行分级，进而可以达到细粒度层级的多尺度表征，同时，提高了网络每层的感受野大小。该Res Net结构可以嵌入到其他网络模型中。 介 ...
2019-05-11 10:21 0 1142 推荐指数：
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 ...
论文源址：https://arxiv.org/abs/1511.07122 tensorflow Github:https://github.com/ndrplz/dilation-tensorflow 摘要 该文提出了空洞卷积模型，在不降低分辨率的基础上聚合图像中不同尺寸 ...
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/abs/1901.03278 github:code will be available 摘要 区域anchor是现阶段目标检测方法的重要基石。大多数好的目标检测算法都依赖于anchors机制，通过预定义好的尺寸及大小在空间 ...
论文链接：https://arxiv.org/abs/1904.08189 github：https://github.com/Duankaiwen/CenterNet 摘要 目标检测中，基于关键点的方法经常出现大量不正确的边界框，主要是由于缺乏对相关剪裁区域的额外监督 ...
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 ...
