论文笔记：（CVPR2019）PointWeb: Enhancing Local Neighborhood Features for Point Cloud Processing
目录 摘要 一、引言 二、相关工作 3D数据表示 点云深度学习 三、我们的方法 3.1 自适应特征调整(AFA)模块 ...
原文：GHM论文笔记（CVPR2019）
目录 作者要解决的问题 Focal loss CVPR 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 GHM C损失函数 作者要解决的问题 仍然是one stage中的一个经典问题，正负 难易样本不均衡。因为anchor的原因，pos : neg gt : 。负样本大多比较简单，所以也导致了难易样本的问题。 Focal loss C ...
2019-12-02 20:46 0 568 推荐指数：
相关推荐
【CVPR2019】论文完整列表一
CVPR 2019 Paper list No.1-1000 👉CVPR2019 完整列表二 论文题目与链接 Finding Task-Relevant Features for Few-Shot ...
【CVPR2019】完整论文列表二
CVPR 2019 Paper list No.1001-1294 👉CVPR2019 完整列表一 论文题目与链接 Semantic Component Decomposition for Face ...
全景分割：CVPR2019论文解析
全景分割：CVPR2019论文解析 Panoptic Segmentation 论文链接： http://openaccess.thecvf.com/content_CVPR_2019/papers ...
论文阅读笔记四十五：Region Proposal by Guided Anchoring（CVPR2019）
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 ...
论文阅读笔记五十一：CenterNet: Keypoint Triplets for Object Detection(CVPR2019)
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 ...
论文阅读笔记五十七:FCOS: Fully Convolutional One-Stage Object Detection(CVPR2019)
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 ...
论文阅读笔记五十八:FoveaBox: Beyond Anchor-based Object Detector（CVPR2019）
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 ...