摘要：C++和Cuda与Pytorch结合，NMS举例。 阅读全文

摘要：CVPR 2019 论文解读 | 小样本域适应的目标检测 成对训练 阅读全文

摘要：这是一篇发表于**CVPR2019**的关于显著性目标检测的paper，**《BASNet：Boundary-Aware Salient Object Detection》[1]**显而易见的就是关注边界的显著性检测，**主要创新点在loss的设计上，使用了交叉熵、结构相似性损失、IoU损失这三种的混合损失，使网络更关注于边界质量，**而不是像以前那样只关注区域精度。在单个GPU上能跑25 fps，在六种公开数据集上能达到 **state-of-the-art**的效果。 阅读全文

摘要：提出了两种基于池化技术的模块GGM（全局引导模块）和FAM（特征整合模块），改进FPN在显著性检测的应用，而且这两个模块也能应用在其他金字塔模型中，具有普遍性，但是FAM的整合过程我认为有点像是**用平均中和了上采样带来的混叠效应**，但是不够优雅，**先下采样池化再上采样带来的损失可能代价太大**。 阅读全文

摘要：本文解读的是一篇发表于CVPR2019的paper，来自华科和地平线，文章提出了Mask Scoring R-CNN的框架是对Mask R-CNN的改进，简单地来说就是给Mask R-CNN添加一个新的分支来给mask打分从而预测出更准确的分数。 阅读全文

摘要：现有的目标检测器往往存在着三种层次的不平衡： 1. sample level 2. feature level 3. objective level 对应三个解决方案： 1. IoU-balanced Sampling 2.Balanced Feature Pyramid 3. Balanced L1 Loss 阅读全文

摘要：Object Detection based on Region Decomposition and Assembly AAAI2019 | 基于区域分解集成的目标检测 论文解读 作者 | 文永亮 学校 | 哈尔滨工业大学（深圳） 研究方向 | 目标检测、GAN 推荐理由： 这是一篇发表于AAAI2 阅读全文