論文閱讀筆記四十九：ScratchDet: Training Single-Shot Object Detectors from Scratch(CVPR2019)
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 ...
原文：論文閱讀筆記五十九:Res2Net: A New Multi-scale Backbone Architecture（CVPR2019）
論文原址：https: arxiv.org abs . 摘要 視覺任務中多尺寸的特征表示十分重要，作為backbone的CNN的對尺寸表征能力越強，性能提升越大。目前，大多數多尺寸的表示方法是layer wise的。本文提出的Res Net通過在單一殘差塊中對殘差連接進行分級，進而可以達到細粒度層級的多尺度表征，同時，提高了網絡每層的感受野大小。該Res Net結構可以嵌入到其他網絡模型中。 介 ...
2019-05-11 10:21 0 1142 推薦指數：
相關推薦
論文閱讀筆記二十一：MULTI-SCALE CONTEXT AGGREGATION BY DILATED CONVOLUTIONS（ICRL2016）
論文源址：https://arxiv.org/abs/1511.07122 tensorflow Github:https://github.com/ndrplz/dilation-tensorflow 摘要 該文提出了空洞卷積模型，在不降低分辨率的基礎上聚合圖像中不同尺寸 ...
GHM論文筆記（CVPR2019）
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 ...
論文閱讀筆記四十五：Region Proposal by Guided Anchoring（CVPR2019）
論文原址：https://arxiv.org/abs/1901.03278 github:code will be available 摘要 區域anchor是現階段目標檢測方法的重要基石。大多數好的目標檢測算法都依賴於anchors機制，通過預定義好的尺寸及大小在空間 ...
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 ...
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 ...
論文閱讀筆記六十一:Selective Kernel Networks(SKNet CVPR2019)
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 ...