摘要：
论文提出anchor free和proposal free的one stage的目标检测算法FCOS，不再需要anchor相关的的超参数，在目前流行的逐像素(per pixel)预测方法上进行目标检测，根据实验结果来看，FCOS能够与主流的检测算法相比较，达到SOTA，为后面的大热的anchor f 阅读全文
摘要：
论文提出stand alone self attention layer，并且构建了full attention model，验证了content based的相互关系能够作为视觉模型特征提取的主要基底。在图像分类和目标检测实验中，相对于传统的卷积模型，在准确率差不多的情况下，能够大幅减少参数量和计 阅读全文
摘要：
论文提出了实时的超轻量级two stage detector ThunderNet，靠着精心设计的主干网络以及提高特征表达能力的CEM和SAM模块，使用很少的计算量就能超越目前的one stage detectors，在ARM平台也达到了实时性，GPU的速度更是达到267fps 来源：【晓飞的算法工 阅读全文
摘要：
论文提出Light Head R CNN，一个精简的two stage目标检测器设计准则，在表达能力很强的精简特征图上使用轻量级的R CNN子网，不仅大量减少推理耗时，还提高了准确率，结合Xception like的主干网络能够达到30.7mAP和102FPS 来源：【晓飞的算法工程笔记】 公众号 阅读全文
摘要：
论文将搜索空间从整体网络转化为卷积单元(cell)，再按照设定堆叠成新的网络家族NASNet。不仅降低了搜索的复杂度，从原来的28天缩小到4天，而且搜索出来的结构具有扩展性，在小模型和大模型场景下都能使用更少的参数量和计算量来超越人类设计的模型，达到SOTA 来源：【晓飞的算法工程笔记】 公众号 论 阅读全文
摘要：
近年来很多研究将nlp中的attention机制融入到视觉的研究中，得到很不错的结果，于是，论文侧重于从理论和实验去验证self attention可以代替卷积网络独立进行类似卷积的操作，给self attention在图像领域的应用奠定基础 论文: On the Relationship betw 阅读全文
摘要：
论文为Google Brain在16年推出的使用强化学习的Neural Architecture Search方法，该方法能够针对数据集搜索构建特定的网络，但需要800卡训练一个月时间。虽然论文的思路有很多改进的地方，但该论文为AutoML的经典之作，为后面很多的研究提供了思路，属于里程碑式的论文， 阅读全文
摘要：
论文提出了类似于dropout作用的diversification block，通过抑制特征图的高响应区域来反向提高模型的特征提取能力，在损失函数方面，提出专注于top k类别的gradient boosting loss来优化训练过程，模型在ResNet 50上提升3.2%，算法思路巧妙，结构易移 阅读全文
摘要：
论文提出了IoU based的DIoU loss和CIoU loss，以及建议使用DIoU NMS替换经典的NMS方法，充分地利用IoU的特性进行优化。并且方法能够简单地迁移到现有的算法中带来性能的提升，实验在YOLOv3上提升了5.91mAP，值得学习 论文:Distance IoU Loss: 阅读全文
摘要：
作者从detector的overfitting at training/quality mismatch at inference问题入手，提出了基于multi stage的Cascade R CNN，该网络结构清晰，效果显著，并且能简单移植到其它detector中，带来2 4%的性能提升 论文: 阅读全文