【CV论文阅读】YOLO：Unified, Real-Time Object Detection
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 ...
原文：论文阅读笔记六十三：DeNet: Scalable Real-time Object Detection with Directed Sparse Sampling（CVPR2017）
论文原址：https: arxiv.org abs . github:https: github.com lachlants denet 摘要 本文重新定义了目标检测，将其定义为用于评估一个规模较大但较为稀疏的的边界框依赖性的概率分布。随后，作者确定了一个评价稀疏分布的机制，Directed Sparse Sampling并将其应用至end to end的检测模型当中。该方法扩展了以往SOTA检 ...
2019-05-29 14:53 0 581 推荐指数：
相关推荐
论文阅读笔记二十七：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks（CVPR 2016）
论文源址：https://arxiv.org/abs/1506.01497 tensorflow代码：https://github.com/endernewton/tf-faster-rcnn 室友对Faster R-CNN的解读：https://www.cnblogs.com ...
论文阅读笔记六十:Squeeze-and-Excitation Networks(SENet CVPR2017)
论文原址:https://arxiv.org/abs/1709.01507 github:https://github.com/hujie-frank/SENet 摘要 卷积网络的关键构件是卷积操作，在每层感受野的范围内通过融合局部及channel-wise信息可以使 ...
【CV论文阅读】Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
由RCNN到FAST RCNN一个很重要的进步是实现了多任务的训练，但是仍然使用Selective Search算法来获得ROI，而FASTER RCNN就是把获得ROI的步骤使用一个深度网络RPN来 ...
深度学习论文翻译解析（十三）：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
论文标题：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 标题翻译：基于区域提议（Region Proposal）网络的实时目标检测 论文作者：Shaoqing Ren ...
论文阅读笔记六十五:Enhanced Deep Residual Networks for Single Image Super-Resolution(CVPR2017)
论文原址:https://arxiv.org/abs/1707.02921 代码: https://github.com/LimBee/NTIRE2017 摘要 以DNN进行超分辨的研究比较流行,其中，残差学习较大的提高了性能。本文提出了增强的深度超分辨网络（EDST ...
论文阅读笔记十八：ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation(CVPR2016)
论文源址：https://arxiv.org/abs/1606.02147 tensorflow github: https://github.com/kwotsin/TensorFlow-ENet 摘要 在移动端上进行实时的像素级分割十分重要。基于分割的深度神经网络中存在 ...
论文阅读笔记三：R2CNN：Rotational Region CNN for Orientation Robust Scene Text Detection(CVPR2017)
进行文本的检测的学习，开始使用的是ctpn网络，由于ctpn只能检测水平的文字，而对场景图片中倾斜的文本无法进行很好的检测，故将网络换为RRCNN（全称如题）。小白一枚，这里就将RRCNN的论文拿来拜读一下，也记录一下自己阅读过程中的收获。 原英文论文网址：https ...