论文阅读笔记 | 目标检测算法——Libra R-CNN算法
paper：Libra R-CNN: Towards Balanced Learning for Object Detection摘要：相比于模型结构，相比之下如何对模型进行训练这一方面受到的关注比较少，但是其对于目标检测任务来说同样的重要。作者回顾了检测器的标准训练过程，发现了检测性能往往受到训练过程中不平衡的限制，而这种不平衡一般由三个层次组成：样本层（sample level）、特征层（f....
论文阅读笔记 | 目标检测算法——Mask R-CNN算法
paper：Mask R-CNN作者：Kaiming He摘要：其实，这篇论文中，作者是设计用来解决对象实例分割问题的，所以文章的名字可能起得不算很好，请多包含。但是在Mask R-CNN算法中，可以有效的检测出图像中的对象，同时为每个实例生成高质量的分割掩码。Mask R-CNN是在Faster R-CNN基础上进行拓展，通过增加一个预测对象掩码的分支，与现有的边界框回归分支并行。其甚至可以处....
论文阅读笔记 | 目标检测算法——Cascade R-CNN算法
paper：Cascade R-CNN: Delving into High Quality Object Detection摘要：曾经，在目标检测领域中，IoU阈值的设定非常重要。如果设置一个比较低的阈值，会出现比较多的噪声对象；而如果设置的比较高，检测器的性能也会下降。这主要是两个原因：1）阈值设置过高，会导致在训练期间由于正样本指数消失而过度拟合。2）在推断过程中，检测器最适合的IoU与输....
论文阅读笔记 | 目标检测算法——DCN(可变形卷积网络)
paper：Deformable Convolutional Networks摘要：卷积神经网络由于其构建模块中固定的几何结构，本质上受限于模型几何变换。为了提高卷积神经网络的转换建模能力，作者提出了两个模块：可变形卷积（deformable convolution）和可变形RoI池（deformable RoI pooling）。这两个模块均基于用额外的偏移来增加模块中的空间采样位置以及从目标....
目标检测算法——R-FCN
paper：R-FCN: Object Detection via Region-based Fully Convolutional Networks提出的动机：从平移不变与可变性方面的理解：作者分析了图片分类任务中需要CNN平移不变性 与 对象检测任务中需要的平移可变性的困境；作者也认为越深的网络，对于位置预测越不敏感（因为CNN的平移不变性导致的），而ROI的设计是region-specif....
论文阅读笔记 | 目标检测算法——SAPD算法
paper：Soft Anchor-Point Object Detection摘要：目前anchor-free目标检测算法取得了比较大的进步，anchor-free算法可以分为两种：一种是关键点检测（keypoint detection），eg：cornernet检测左上角与右下角，centernet检测中心点与4条边，都属于这种。另外一种是锚点检测（anchor-point detectio....
论文阅读笔记 | 目标检测算法——FSAF算法
paper：Feature Selective Anchor-Free Module for Single-Shot Object Detection摘要：paper中提出了一个anchor-free的特征选择构建模块，可以插入具有特征金字塔结构的单发检测器中。其可以解决两个基于anhcor的传统检测器的限制：1）启发式引导特征选择. 2）基于重叠的anchor采样FSAF模块的一般概念是应用于....
论文阅读笔记 | 目标检测算法——FCOS算法
paper：FCOS: Fully Convolutional One-Stage Object Detectionsource code：https://tinyurl.com/FCOSv1简介：FCOS以类似于语义分割的逐像素预测方式来解决目标检测，由全卷积网络组成。是一种anchor free，甚至是proposal free的方法。完全避免与anchor有关的复杂计算与超参数，利用唯一的....
论文阅读笔记 | 目标检测算法——CenterNet算法
paper：Objects as PointsSource code：https://github.com/xingyizhou/CenterNet思想：目标检测将对象识别为图像中与轴对齐的框。大多数成功的物体检测器都列举了几乎详尽的潜在物体位置列表，并对每个位置进行分类，这是比较浪费时间的一种做法，而且需要额外的后处理方法。在CenterNet中，作者将对象建模为单个点，即其边界框的中心点。我....
论文阅读笔记 | 目标检测算法——CornerNet算法
paper：CornerNet: Detecting Objects as Paired Keypoints内容重点：舍去了生成anchor的思想，取而代之的是使用了关键点检测。将对象边界框检测为一对关键点（左上角和右下角）。消除了生成anchor所带来的的正负样本不均的问题。同时介绍了一种新的池化层corner pooling，使得网络可以更好的定位到两个关键点。1. Introdution在....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
算法更多目标检测相关
智能引擎技术
AI Online Serving，阿里巴巴集团搜推广算法与工程技术的大本营，大数据深度学习时代的创新主场。
+关注