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(893) 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(852) 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(786) 评论(0) 推荐(0) 编辑
摘要: 论文提出增量式少样本目标检测算法ONCE,与主流的少样本目标检测算法不太一样,目前很多性能高的方法大都基于比对的方式进行有目标的检测,并且需要大量的数据进行模型训练再应用到新类中,要检测所有的类别则需要全部进行比对,十分耗时。而论文是增量式添加类别到模型,以常规的推理形式直接检测,十分高效且数据需求 阅读全文
posted @ 2020-04-30 09:45 晓飞的算法工程笔记 阅读(1137) 评论(0) 推荐(0) 编辑
摘要: 论文提出Spiking YOLO,是脉冲神经网络在目标检测领域的首次成功尝试,实现了与卷积神经网络相当的性能,而能源消耗极低。论文内容新颖,比较前沿,推荐给大家阅读 来源:晓飞的算法工程笔记 公众号 论文: Spiking YOLO: Spiking Neural Network for Energ 阅读全文
posted @ 2020-04-27 10:06 晓飞的算法工程笔记 阅读(1311) 评论(0) 推荐(1) 编辑
摘要: 论文提出了结合注意力卷积的二叉神经树进行弱监督的细粒度分类,在树结构的边上结合了注意力卷积操作,在每个节点使用路由函数来定义从根节点到叶子节点的计算路径,结合所有叶子节点的预测值进行最终的预测,论文的创意和效果来看都十分不错 来源:晓飞的算法工程笔记 公众号 论文: Attention Convol 阅读全文
posted @ 2020-04-26 16:40 晓飞的算法工程笔记 阅读(1178) 评论(0) 推荐(0) 编辑
摘要: 论文提出了新的少样本目标检测算法,创新点包括Attention RPN、多关系检测器以及对比训练策略,另外还构建了包含1000类的少样本检测数据集FSOD,在FSOD上训练得到的论文模型能够直接迁移到新类别的检测中,不需要fine tune 来源:晓飞的算法工程笔记 公众号 论文: Few Shot 阅读全文
posted @ 2020-04-23 10:33 晓飞的算法工程笔记 阅读(2034) 评论(0) 推荐(0) 编辑
摘要: 在自动驾驶中,检测模型的速度和准确率都很重要,出于这个原因,论文提出Gaussian YOLOv3。该算法在保持实时性的情况下,通过高斯建模、损失函数重建来学习bbox预测值的不确定性,从而提高准确率和TP,能够显著地降低FP,在KITTI和BDD数据集上分别提升了3.09mAP和3.5mAP。整体 阅读全文
posted @ 2020-04-20 15:21 晓飞的算法工程笔记 阅读(546) 评论(0) 推荐(1) 编辑
摘要: 论文提出伪监督目标定位方法(PSOL)来解决目前弱监督目标定位方法的问题,该方法将定位与分类分开成两个独立的网络,然后在训练集上使用Deep descriptor transformation(DDT)生成伪GT进行训练,整体效果达到SOTA,论文化繁为简,值得学习 来源:晓飞的算法工程笔记 公众号 阅读全文
posted @ 2020-04-20 10:43 晓飞的算法工程笔记 阅读(552) 评论(0) 推荐(0) 编辑
摘要: 为了优化进化算法在神经网络结构搜索时候选网络训练过长的问题,参考ENAS和NSGA III,论文提出连续进化结构搜索方法(continuous evolution architecture search, CARS),最大化利用学习到的知识,如上一轮进化的结构和参数。首先构造用于参数共享的超网,从超 阅读全文
posted @ 2020-04-15 19:57 晓飞的算法工程笔记 阅读(506) 评论(0) 推荐(0) 编辑