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/1708.02002 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 ...
原文：[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 loss，瞬間提升了one stage網絡的准確率。與此同時，為了測試該loss對網絡改進的影響，文章還 ...
2019-03-26 20:53 0 1481 推薦指數：
相關推薦
Focal Loss for Dense Object Detection(RetinaNet)(代碼解析)
轉自：https://www.jianshu.com/p/db4ccd194109 ...
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 ...
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks論文理解
一、創新點和解決的問題 創新點 設計Region Proposal Networks【RPN】，利用CNN卷積操作后的特征圖生成region proposals，代替了Selective Sear ...
Focal Loss 理解
本質上講，Focal Loss 就是一個解決分類問題中類別不平衡、分類難度差異的一個 loss，總之這個工作一片好評就是了。 看到這個 loss，開始感覺很神奇，感覺大有用途。因為在 NLP 中，也存在大量的類別不平衡的任務。最經典的就是序列標注任務中類別是嚴重不平衡的，比如在命名實體識別中 ...
Focal Loss理解
1. 總述 Focal loss主要是為了解決one-stage目標檢測中正負樣本比例嚴重失衡的問題。該損失函數降低了大量簡單負樣本在訓練中所占的權重，也可理解為一種困難樣本挖掘。 2. 損失函數形式 Focal loss是在交叉熵損失函數基礎上進行的修改，首先回顧二分類交叉上損失 ...
[論文理解] CapsuleNet
CapsuleNet 前言 找了很多資料，終於把整個流程搞懂了，其實要懂這個運算並不難，難的對我來說是怎么用代碼實現，也找了github上的一些代碼來看，對我來說都有點冗長，變量分布太遠導致我腦袋炸了，所以我就在B站找視頻看看有沒有代碼講解，算是不負苦心吧，終於把實現部分解決了。 不寫論文 ...