摘要: YOLOv4在速度和准确率上都十分优异,作者使用了大量的trick,论文也写得很扎实,在工程还是学术上都有十分重要的意义,既可以学习如何调参,也可以了解目标检测的trick。 来源:晓飞的算法工程笔记 公众号 论文: YOLOv4: Optimal Speed and Accuracy of Obj 阅读全文
posted @ 2020-05-07 15:16 晓飞的算法工程笔记 阅读(1782) 评论(1) 推荐(0) 编辑
摘要: 论文巧妙地基于one stage目标检测算法提出实时实例分割算法YOLACT,整体的架构设计十分轻量,在速度和效果上面达到很好的trade off。 来源:【晓飞的算法工程笔记】 公众号 论文: YOLACT: Real time Instance Segmentation 论文地址: "https 阅读全文
posted @ 2020-05-07 15:02 晓飞的算法工程笔记 阅读(2603) 评论(0) 推荐(0) 编辑
摘要: SMASH方法使用辅助网络生成次优权重来支持网络的快速测试,从结果来看,生成的权重与正常训练的权重在准确率上存在关联性,整体搜索速度很快,仅需要单卡进行搜索,提供了一个很好的新思路。 来源:晓飞的算法工程笔记 公众号 论文: SMASH: One Shot Model Architecture Se 阅读全文
posted @ 2020-05-04 13:38 晓飞的算法工程笔记 阅读(369) 评论(0) 推荐(0) 编辑
摘要: 论文提出可变形卷积核(DK)来自适应有效感受域,每次进行卷积操作时都从原卷积中采样出新卷积,是一种新颖的可变形卷积的形式,从实验来看,是之前方法的一种有力的补充。 来源:晓飞的算法工程笔记 公众号 论文: Deformable Kernels: Adapting Effective Receptiv 阅读全文
posted @ 2020-05-04 13:33 晓飞的算法工程笔记 阅读(1025) 评论(0) 推荐(0) 编辑
摘要: 论文提出DCNv2,不仅对DCNv1的结构进行了改进,还使用了有效的蒸馏学习策略,使得性能有很大的提升,各个方面都值得借鉴 来源:晓飞的算法工程笔记 公众号 论文: Deformable ConvNets v2: More Deformable, Better Results 论文地址: "http 阅读全文
posted @ 2020-05-04 13:29 晓飞的算法工程笔记 阅读(933) 评论(0) 推荐(0) 编辑
摘要: 论文提出可变形卷积帮助模型高效地学习几何变换能力,能够简单地应用到分类模型和检测模型中,思想新颖,效果显著,十分值得学习 来源:晓飞的算法工程笔记 公众号 论文: Deformable Convolutional Networks 论文地址: "http://arxiv.org/abs/1703.0 阅读全文
posted @ 2020-05-04 13:23 晓飞的算法工程笔记 阅读(563) 评论(0) 推荐(0) 编辑
摘要: 目前很多研究表明目标检测中的分类分支和定位分支存在较大的偏差,论文从sibling head改造入手,跳出常规的优化方向,提出TSD方法解决混合任务带来的内在冲突,从主干的proposal中学习不同的task aware proposal,同时结合PC来保证TSD的性能,在COCO上达到了51.2m 阅读全文
posted @ 2020-05-04 11:05 晓飞的算法工程笔记 阅读(739) 评论(0) 推荐(0) 编辑
摘要: 基于对自适应网络的研究,论文提出了自适应网络RANet(Resolution Adaptive Network)来进行效果与性能上的取舍,该网络包含多个不同输入分辨率和深度的子网,难易样本的推理会自动使用不同的计算量,并且子网间的特征会进行融合,从实验结果来看,在性能和速度上取得了很不错的trade 阅读全文
posted @ 2020-05-01 11:43 晓飞的算法工程笔记 阅读(888) 评论(0) 推荐(0) 编辑
摘要: 论文提出基于轮廓的实例分割方法Deep snake,轮廓调整是个很不错的方向,引入循环卷积,不仅提升了性能还减少了计算量,保持了实时性,但是Deep snake的大体结构不够优雅,应该还有一些工作可以补,推荐大家阅读 来源:晓飞的算法工程笔记 公众号 论文: Deep Snake for Real 阅读全文
posted @ 2020-04-30 18:18 晓飞的算法工程笔记 阅读(840) 评论(0) 推荐(0) 编辑
摘要: 论文指出one stage anchor based和center based anchor free检测算法间的差异主要来自于正负样本的选择,基于此提出ATSS(Adaptive Training Sample Selection)方法,该方法能够自动根据GT的相关统计特征选择合适的anchor 阅读全文
posted @ 2020-04-30 12:52 晓飞的算法工程笔记 阅读(777) 评论(0) 推荐(0) 编辑