Focal Loss for Dense Object Detection(RetinaNet)(代碼解析)
轉自：https://www.jianshu.com/p/db4ccd194109 ...
原文：論文閱讀筆記四十四：RetinaNet:Focal Loss for Dense Object Detection(ICCV2017）
論文原址：https: arxiv.org abs . github代碼：https: github.com fizyr keras retinanet 摘要 目前，具有較高准確率的檢測器基於雙階段的目標檢測算法實現，單階段通過對可能存在的位置進行密集的采樣操作，一定程度上要比雙階段的方法要更簡單快速，但是准確率會有所損失。在進行訓練時，前景與背景二者之間較大的類別不平衡是產生上述問題的原因。針 ...
2019-03-24 14:20 0 913 推薦指數：
相關推薦
[論文理解]Focal Loss for Dense Object Detection（Retina Net）
Focal Loss for Dense Object Detection Intro 這又是一篇與何凱明大神有關的作品，文章主要解決了one-stage網絡識別率普遍低於two-stage網絡的問題，其指出其根本原因是樣本類別不均衡導致，一針見血，通過改變傳統的loss（CE）變為focal ...
Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection
地址：https://arxiv.org/abs/2006.04388 github：https://github.com/implus/GFocal 講解：https://zhuanlan.zh ...
Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection
and Distributed Bounding Boxes for Dense Object Detection ...
Focal Loss(RetinaNet) 與 OHEM
Focal Loss for Dense Object Detection-RetinaNet YOLO和SSD可以算one-stage算法里的佼佼者，加上R-CNN系列算法，這幾種算法可以說是目標檢測領域非常經典的算法了。這幾種算法在提出之后經過數次改進，都得到了很高的精確度 ...
論文閱讀筆記（十一）【ICCV2017】：Jointly Attentive Spatial-Temporal Pooling Networks for Video-based Person Re-Identification
Introduction （1）Motivation： 當前采用CNN-RNN模型解決行人重識別問題僅僅提取單一視頻序列的特征表示，而沒有把視頻序列匹配間的影響考慮在內，即在比較不同人的時候，根據 ...
論文閱讀（Lukas Neumann——【ICCV2017】Deep TextSpotter_An End-to-End Trainable Scene Text Localization and Recognition Framework）
Lukas Neumann——【ICCV2017】Deep TextSpotter_An End-to-End Trainable Scene Text Localization and Recognition Framework 目錄 作者和相關鏈接 方法概括 方法細節 ...
【速讀】——Shangxuan Tian——【ICCV2017】WeText_Scene Text Detection under Weak Supervision
Shangxuan Tian——【ICCV2017】WeText_Scene Text Detection under Weak Supervision 目錄 作者和相關鏈接 文章亮點 方法介紹 方法細節 實驗結果 總結與收獲 作者和相關 ...