上一页 1 ··· 9 10 11 12 13 14 15 16 17 ··· 21 下一页
摘要: RepPointsV2的整体思想类似与Mask R-CNN,加入更多的任务来监督目标检测算法的学习。虽然在创新性上可能不够新颖,但论文的通用性还是很不错的,而且将角点任务的输出用于联合推理,从对比实验上看提升不少 来源:晓飞的算法工程笔记 公众号 论文: RepPoints V2: Verifica 阅读全文
posted @ 2021-07-01 19:48 晓飞的算法工程笔记 阅读(147) 评论(0) 推荐(0) 编辑
摘要: RepPoints的设计思想十分巧妙,使用富含语义信息的点集来表示目标,并且巧用可变形卷积来进行实现,整体网络设计十分完备,值得学习 来源:晓飞的算法工程笔记 公众号 论文: RepPoints: Point Set Representation for Object Detection 论文地址: 阅读全文
posted @ 2021-06-30 13:23 晓飞的算法工程笔记 阅读(177) 评论(0) 推荐(0) 编辑
摘要: 论文对CornerNet进行了性能优化,提出了CornerNet-Saccade和CornerNet-Squeeze两个优化的CornerNet变种,优化的手段具有很高的针对性和局限性,不过依然有很多可以学习的地方 来源:晓飞的算法工程笔记 公众号 论文: CornerNet-Lite: Effic 阅读全文
posted @ 2021-06-29 13:43 晓飞的算法工程笔记 阅读(98) 评论(0) 推荐(0) 编辑
摘要: SaccadeNet基于中心点特征进行初步的目标定位,然后利用初步预测框的角点特征以及中心点特征进行预测框的精调,整体思想类似于two-stage目标检测算法,将第二阶段的预测框精调用的区域特征转化为点特征。SaccadeNet在精度和速度上都可圈可点,整体思想十分不错 来源:晓飞的算法工程笔记 公 阅读全文
posted @ 2021-06-28 13:20 晓飞的算法工程笔记 阅读(176) 评论(0) 推荐(0) 编辑
摘要: CSP将目标定义为中心点和尺寸,通过网络直接预测目标的中心和寸尺,相对于传统的RCNN类型检测算法轻量化了不少。整体思想与Object as Points撞车了,真是英雄所见略同 来源:晓飞的算法工程笔记 公众号 论文: Center and Scale Prediction: A Box-free 阅读全文
posted @ 2021-06-23 13:35 晓飞的算法工程笔记 阅读(180) 评论(0) 推荐(0) 编辑
摘要: CentripetalNet的核心在于新的角点匹配方式,额外学习一个向心偏移值,偏移值足够小的角点即为匹配,相对于embedding向量的匹配方式,这种方法更为鲁棒,解释性更好。另外论文提出的十字星变形卷积也很好地贴合角点目标检测的场景,增强角点特征 来源:晓飞的算法工程笔记 公众号 论文: Cen 阅读全文
posted @ 2021-06-17 13:19 晓飞的算法工程笔记 阅读(181) 评论(0) 推荐(0) 编辑
摘要: ExtremeNet检测目标的四个极点,然后以几何的方式将其组合起来进行目标检测,性能与其它传统形式的检测算法相当。ExtremeNet的检测方法十分独特,但是包含了较多的后处理方法,所以有很大的改进空间,感兴趣可以去看看论文实验中的错误分析部分 来源:晓飞的算法工程笔记 公众号 论文: Botto 阅读全文
posted @ 2021-06-16 13:22 晓飞的算法工程笔记 阅读(136) 评论(0) 推荐(0) 编辑
摘要: FBNet系列是完全基于NAS方法的轻量级网络系列,分析当前搜索方法的缺点,逐步增加创新性改进,FBNet结合了DNAS和资源约束,FBNetV2加入了channel和输入分辨率的搜索,FBNetV3则是使用准确率预测来进行快速的网络结构搜索 来源:晓飞的算法工程笔记 公众号 FBNet 论文: F 阅读全文
posted @ 2021-06-02 13:27 晓飞的算法工程笔记 阅读(632) 评论(0) 推荐(0) 编辑
摘要: NetAdapt的思想巧妙且有效,将优化目标分为多个小目标,并且将实际指标引入到优化过程中,能够自动化产生一系列平台相关的简化网络,不仅搜索速度快,而且得到简化网络在准确率和时延上都于较好的表现 来源:晓飞的算法工程笔记 公众号 论文: NetAdapt: Platform-Aware Neural 阅读全文
posted @ 2021-05-31 13:08 晓飞的算法工程笔记 阅读(185) 评论(0) 推荐(0) 编辑
摘要: DARTS是很经典的NAS方法,它的出现打破了以往的离散的网络搜索模式,能够进行end-to-end的网络搜索。由于DARTS是基于梯度进行网络更新的,所以更新的方向比较准确,搜索时间相当于之前的方法有很大的提升,CIFAR-10的搜索仅需要4GPU days。 来源:晓飞的算法工程笔记 公众号 论 阅读全文
posted @ 2021-05-28 13:09 晓飞的算法工程笔记 阅读(424) 评论(0) 推荐(0) 编辑
上一页 1 ··· 9 10 11 12 13 14 15 16 17 ··· 21 下一页