論文原址：https: arxiv.org pdf . .pdf github:https: github.com generalized iou 摘要 在目標檢測的評測體系中，IoU是最流行的評價准則。然而，在對邊界框的參數進行優化時，常用到距離損失，而按照IOU的標准則是取其最大值，二者之間是有一定差別的。對一個標准進行優化的目標函數是其標准本身。比如，對於 D的坐標對齊的邊界框，可以直接使 ...
2019-04-10 18:25 0 1155 推薦指數：
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 ...
論文地址：Generalized Intersection over Union 一、相關工作 目標檢測精度標准 度量檢測優劣基本基於 IOU，mAP 是典型的基於 IOU 的標准，但是 mAP 僅有一個 threshold，對於過了線的預測框一視同仁，不能進一步衡量其優劣，所以 MS ...
論文原址：https://arxiv.org/abs/1904.01355 github: tinyurl.com/FCOSv1 摘要 本文提出了一個基於全卷積的單階段檢測網絡，類似於語義分割，針對每個像素進行預測。RetinaNet,SSD,YOLOv3，Faster ...
目錄 作者要解決的問題 Focal loss(CVPR2017) Focal loss的解決方案 Focal loss的不足 設計思路 梯度與樣本的關系 梯度模計算方法 改進 ...
論文原址：https://arxiv.org/pdf/1811.05181.pdf github:https://github.com/libuyu/GHM_Detection 摘要 盡管單階段的檢測器速度較快，但在訓練時存在以下幾點不足，正負樣本之間的巨大差距，同樣 ...
論文原址:https://arxiv.org/abs/1811.07275 摘要 一個訓練好的網絡模型由於其模型捕捉的特征中存在大量的重疊，可以在不過多的降低其性能的條件下進行壓縮剪枝。一些skip/Dense網絡結構一定程度上減弱了重疊的現象，但這種做法引入了大量 ...
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 ...
論文原址:https://arxiv.org/pdf/1903.06586.pdf github: https://github.com/implus/SKNet 摘要 在標准的卷積網絡中，每層網絡中神經元的感受野的大小都是相同的。在神經學中，視覺神經元感受野的大小 ...
