論文閱讀筆記五十一：CenterNet: Keypoint Triplets for Object Detection(CVPR2019)
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 ...
原文：論文閱讀筆記五十二：CornerNet-Lite: Efficient Keypoint Based Object Detection（CVPR2019）
論文原址：https: arxiv.org pdf . .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 boxes，是一種精簡的檢測網絡，但需要大量的預處理才能得到較高的准確率。本文提出CornerNet Lite，是CornerNet兩種變形的組合， ...
2019-04-23 11:33 0 6525 推薦指數：
相關推薦
論文閱讀筆記五十八:FoveaBox: Beyond Anchor-based Object Detector（CVPR2019）
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 ...
論文閱讀筆記五十七:FCOS: Fully Convolutional One-Stage Object Detection(CVPR2019)
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 ...
論文閱讀筆記四十八：Bounding Box Regression with Uncertainty for Accurate Object Detection(CVPR2019)
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 ...
論文閱讀筆記四十六：Feature Selective Anchor-Free Module for Single-Shot Object Detection（CVPR2019）
論文原址：https://arxiv.org/abs/1903.00621 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:(1)啟發式 ...
論文閱讀筆記五十三：Libra R-CNN: Towards Balanced Learning for Object Detection(CVPR2019)
論文原址：https://arxiv.org/pdf/1904.02701.pdf github:https://github.com/OceanPang/Libra_R-CNN 摘要 相比模型的結構，關注度較少的訓練過程對於檢測器的成功檢測也是十分重要的。本文發現，檢測性能 ...
CornerNet-Lite算法筆記
論文名稱：CornerNet-Lite: Efficient Keypoint Based Object Detection 論文鏈接：https://arxiv.org/abs/1904.08900 代碼鏈接：https://github.com/princeton-vl ...
論文閱讀筆記六十二:RePr: Improved Training of Convolutional Filters(CVPR2019)
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 ...