論文原址：https: arxiv.org abs . 摘要 本文提出了基於無anchor機制的特征選擇模塊，是一個簡單高效的單階段組件，其可以結合特征金字塔嵌入到單階段檢測器中。FSAF解決了傳統基於anchor機制的兩個限制: 啟發式的特征選擇 overlap based anchor采樣。FSAF的通用解釋是將在線特征選擇應用於與anchor無關的分支的訓練上。即無anchor的分支添加到 ...
2019-03-28 06:51 0 5875 推薦指數：
&論文概述 獲取地址：https://arxiv.org/abs/1903.00621 &總結與個人觀點 本文的工作將啟發式的特征選取作為帶有特征金字塔的anchor-based single-shot檢測器的主要限制。提出應用了online特征選擇來在特征金字塔上訓練 ...
論文原址：https://arxiv.org/abs/1810.08425 github:https://github.com/KimSoybean/ScratchDet 摘要 當前較為流行的檢測算法是在經典的大規模分類的數據集上進行微調，但這樣做會存在兩個問題 ...
論文原址：https://arxiv.org/abs/1902.05093 github:https://github.com/lingtengqiu/Deeperlab-pytorch 摘要 本文提出了一種bottoom-up，single-shot的全景圖像分析 ...
論文原址：https://arxiv.org/abs/1904.03797 摘要 FoveaBox屬於anchor-free的目標檢測網絡，FoveaBox直接學習可能存在的圖片種可能存在的目標，這期間並不需要anchor作為參考。主要靠兩方面實現:（1）產生類別敏感的語義 ...
R-CNN都依賴於預定義的anchor boxes。本文的FCOX是anchor free ，pro ...
論文原址：https://arxiv.org/pdf/1904.08900.pdf github:https://github.com/princeton-vl/CornerNet-Lite 摘要 基於關鍵點模式進行目標檢測是一種新的方法，他並不需要依賴於anchor ...
論文鏈接：https://arxiv.org/abs/1904.08189 github：https://github.com/Duankaiwen/CenterNet 摘要 目標檢測中，基於關鍵點的方法經常出現大量不正確的邊界框，主要是由於缺乏對相關剪裁區域的額外監督 ...
論文原址：https://arxiv.org/pdf/1809.08545.pdf github：https://github.com/yihui-he/KL-Loss 摘要 大規模的目標檢測數據集在進行ground truth 框標記時仍存在這歧義，本文提出新的邊界 ...
