【CV論文閱讀】YOLO：Unified, Real-Time Object Detection
YOLO的一大特點就是快，在處理上可以達到完全的實時。原因在於它整個檢測方法非常的簡潔，使用回歸的方法，直接在原圖上進行目標檢測與定位。 多任務檢測： 網絡把目標檢測與定位統一到一個深度網絡 ...
原文：論文閱讀筆記六十三：DeNet: Scalable Real-time Object Detection with Directed Sparse Sampling（CVPR2017）
論文原址：https: arxiv.org abs . github:https: github.com lachlants denet 摘要 本文重新定義了目標檢測，將其定義為用於評估一個規模較大但較為稀疏的的邊界框依賴性的概率分布。隨后，作者確定了一個評價稀疏分布的機制，Directed Sparse Sampling並將其應用至end to end的檢測模型當中。該方法擴展了以往SOTA檢 ...
2019-05-29 14:53 0 581 推薦指數：
相關推薦
論文閱讀筆記二十七：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks（CVPR 2016）
論文源址：https://arxiv.org/abs/1506.01497 tensorflow代碼：https://github.com/endernewton/tf-faster-rcnn 室友對Faster R-CNN的解讀：https://www.cnblogs.com ...
論文閱讀筆記六十:Squeeze-and-Excitation Networks(SENet CVPR2017)
論文原址:https://arxiv.org/abs/1709.01507 github:https://github.com/hujie-frank/SENet 摘要 卷積網絡的關鍵構件是卷積操作，在每層感受野的范圍內通過融合局部及channel-wise信息可以使 ...
【CV論文閱讀】Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
由RCNN到FAST RCNN一個很重要的進步是實現了多任務的訓練，但是仍然使用Selective Search算法來獲得ROI，而FASTER RCNN就是把獲得ROI的步驟使用一個深度網絡RPN來 ...
深度學習論文翻譯解析（十三）：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
論文標題：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 標題翻譯：基於區域提議（Region Proposal）網絡的實時目標檢測 論文作者：Shaoqing Ren ...
論文閱讀筆記六十五:Enhanced Deep Residual Networks for Single Image Super-Resolution(CVPR2017)
論文原址:https://arxiv.org/abs/1707.02921 代碼: https://github.com/LimBee/NTIRE2017 摘要 以DNN進行超分辨的研究比較流行,其中，殘差學習較大的提高了性能。本文提出了增強的深度超分辨網絡（EDST ...
論文閱讀筆記十八：ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation(CVPR2016)
論文源址：https://arxiv.org/abs/1606.02147 tensorflow github: https://github.com/kwotsin/TensorFlow-ENet 摘要 在移動端上進行實時的像素級分割十分重要。基於分割的深度神經網絡中存在 ...
論文閱讀筆記三：R2CNN：Rotational Region CNN for Orientation Robust Scene Text Detection(CVPR2017)
進行文本的檢測的學習，開始使用的是ctpn網絡，由於ctpn只能檢測水平的文字，而對場景圖片中傾斜的文本無法進行很好的檢測，故將網絡換為RRCNN（全稱如題）。小白一枚，這里就將RRCNN的論文拿來拜讀一下，也記錄一下自己閱讀過程中的收獲。 原英文論文網址：https ...