fourmi的笔记本

摘要： 论文原址：https://arxiv.org/pdf/1808.01244.pdf github:https://github.com/princeton-vl/CornerNet 摘要 本文提出了目标检测算法的新的模型结构，利用单个卷积网络将框的左上角及右下角两个点组成一对关键点，进而不需要设计在 阅读全文

摘要： 论文原址：https://arxiv.org/abs/1810.08425 github:https://github.com/KimSoybean/ScratchDet 摘要 当前较为流行的检测算法是在经典的大规模分类的数据集上进行微调，但这样做会存在两个问题： （1）分类任务与检测任务二者之间对 阅读全文

摘要： 论文原址：https://arxiv.org/pdf/1809.08545.pdf github：https://github.com/yihui-he/KL-Loss 摘要 大规模的目标检测数据集在进行ground truth 框标记时仍存在这歧义，本文提出新的边界框的回归损失针对边界框的移动及位 阅读全文

该文被密码保护。 阅读全文

摘要： 论文原址：https://arxiv.org/pdf/1902.09630.pdf github:https://github.com/generalized-iou 摘要 在目标检测的评测体系中，IoU是最流行的评价准则。然而，在对边界框的参数进行优化时，常用到距离损失，而按照IOU的标准则是取其 阅读全文

摘要： 论文原址：https://arxiv.org/abs/1903.00621 摘要 本文提出了基于无anchor机制的特征选择模块，是一个简单高效的单阶段组件，其可以结合特征金字塔嵌入到单阶段检测器中。FSAF解决了传统基于anchor机制的两个限制:(1)启发式的特征选择（2）overlap-bas 阅读全文

摘要： 论文原址：https://arxiv.org/abs/1901.03278 github:code will be available 摘要 区域anchor是现阶段目标检测方法的重要基石。大多数好的目标检测算法都依赖于anchors机制，通过预定义好的尺寸及大小在空间位置上进行均匀的采样。本文提出 阅读全文

摘要： 论文原址：https://arxiv.org/abs/1708.02002 github代码：https://github.com/fizyr/keras-retinanet 摘要 目前，具有较高准确率的检测器基于双阶段的目标检测算法实现，单阶段通过对可能存在的位置进行密集的采样操作，一定程度上要比 阅读全文

摘要： 论文原址：https://arxiv.org/abs/1902.05093 github:https://github.com/lingtengqiu/Deeperlab-pytorch 摘要 本文提出了一种bottoom-up，single-shot的全景图像分析方法。全景图像分析包含"stuff 阅读全文

摘要： 论文原址：https://arxiv.org/pdf/1409.4842.pdf 代码连接：https://github.com/titu1994/Inception-v4（包含v1,v2,v4） 摘要 本文提出了一个深层的卷积网络结构-Inception，该结构的主要特点是提高了网络内部计算资源的 阅读全文