相關鏈接 論文地址：https: arxiv.org abs . 論文代碼：https: github.com xingyizhou ExtremeNet 概述 ExtremeNet是今年 月 號掛在arxiv上的目標檢測論文，是至今為止檢測效果最好的單階段目標檢測算法。思想借鑒CornerNet，使用標准的關鍵點估計網絡檢測目標關鍵點進而構造目標的預測框。ExtremeNet預測四個extre ...
2019-02-19 11:28 0 2085 推薦指數：
Bottom-Up and Top-Down Attention for Image Captioning and Visual Question Answering-閱讀總結 筆記不能簡單的抄寫文中的內容，得有自己的思考和理解。 一、基本信息 \1.標題：Bottom-Up ...
Introduction 本文有如下3個貢獻： ① 提出了一個自下而上（bottom-up）的聚類框架（BUC）來解決無監督的ReID問題； ② 采用repelled損失來優化模型，repelled損失直接優化了樣本、聚類之間的余弦距離，可以挖掘聚類之間的相似性以及最大化不同身份之間的差異性 ...
相關鏈接 論文地址：https://arxiv.org/abs/1904.08189 代碼鏈接：https://github.com/Duankaiwen/CenterNet 概述 CenterNet由中科院、牛津大學和華為諾亞方舟實驗室聯合提出，發展了以CornerNet為代表的基於關鍵 ...
論文閱讀:End-to-End Object Detection with Transformers（DETR) 目錄 論文閱讀:End-to-End Object Detection with Transformers（DETR) 簡介 模型整體 ...
論文地址：http://openaccess.thecvf.com/content_ICCV_2019/papers/Zhao_EGNet_Edge_Guidance_Network_for_Salient_Object_Detection_ICCV_2019_paper.pdf 當前方法的問題 ...
YOLO的一大特點就是快，在處理上可以達到完全的實時。原因在於它整個檢測方法非常的簡潔，使用回歸的方法，直接在原圖上進行目標檢測與定位。 多任務檢測： 網絡把目標檢測與定位統一到一個深度網絡 ...
論文地址：https://arxiv.org/pdf/1611.04849v4.pdf 當前方法的問題 整體嵌套邊緣檢測模型（HED）明確地處理了尺度空間問題，在邊緣檢測方面比一般FCN模型有了很大的改進。然而，在HED模型中，具有深度監控的跳層結構並不能顯著提高顯著性檢測的性能 ...
Hierarchical Object Detection with Deep Reinforcement Learning NIPS 2016 WorkShop Paper : https://arxiv.org/pdf/1611.03718v1.pdf ...
