摘要:1 #include<stdio.h> 2 3 #define MAXN 100 4 //A[p,q] A[q+1,r]是两个有序数组,想办法把他们结合成一个有序数组 5 void merge(int A[],int p,int q,int r){ 6 int n=0; 7 int i=p; 8 int j=q+1; 9 int tmp[MAXN]; 10 while(i<=q&&j<=r){ 1 阅读全文
posted @ 2019-08-29 08:48 汪昕 阅读 (9) 评论 (0) 编辑
摘要:引言 对于小目标通常需要用到多尺度检测,作者提出的FPN是一种快速且效果好的多尺度检测方法。 方法 a,b,c是之前的方法,其中a,c用到了多尺度检测的思想,但他们都存在明显的缺点。 a方法:把每图片都进行缩放,在进行检测,这种做法最大的问题是太慢,因为要多花好几倍的时间; c方法:其实就是SSD论 阅读全文
posted @ 2019-08-23 20:53 汪昕 阅读 (21) 评论 (0) 编辑
摘要:引言 这篇论文深刻分析了one-stage的模型精度比two-stage更差的原因,并提出Focal Loss提高精度。 思路 在论文中,作者指出,造成one-stage模型精度差的原因主要是:正负样本极不平衡。一张图片只有那么几个目标,但是用来分类的Anchor Box却能达到几千个,大量的样本都 阅读全文
posted @ 2019-08-22 17:58 汪昕 阅读 (31) 评论 (0) 编辑
摘要:目的 让Faster R-CNN能做实例分割的任务。 方法 模型的结构图如下。 与Faster R-CNN相比,主要有两点变化。 (1) 用RoI Align替代RoI Pool。 首先回顾一下RoI Pool,流程为:将RPN产生的原图侯选框映射到CNNs输出的feature map上,显然原图比 阅读全文
posted @ 2019-08-22 11:57 汪昕 阅读 (16) 评论 (0) 编辑
摘要:背景 SSD算法在检测小目标时精度并不高,本文是在在SSD的基础上做出一些改进,引入卷积层,能综合上下文信息,提高模型性能。 理解 Q1:DSSD和SSD的区别有哪些? (1)SSD是一层一层下采样,然后分别在这些feature map上进行预测;而DSSD则是在后面加入了很多的Deconvolut 阅读全文
posted @ 2019-08-21 11:45 汪昕 阅读 (17) 评论 (0) 编辑
摘要:背景 基于ResNet 101的Faster RCNN速度很慢,本文通过提出Position-sensitive score maps(位置敏感分值图)来给模型加速。 方法 首先分析一下,为什么基于ResNet 101的Faster R-CNN很慢? 其实主要的原因是ROI Pooling层后面的C 阅读全文
posted @ 2019-08-20 20:54 汪昕 阅读 (18) 评论 (0) 编辑
摘要:背景 要在YOLO v2上作出改进。 方法 (1)分类器改变。从softmax loss改变为logistic loss,作用是处理符合标签,softmax loss只能用来预测只有一种类别的目标,logistic loss可以是多种类别。 (2)引入多级预测机制。在三种尺度的特征图上做detect 阅读全文
posted @ 2019-08-20 10:49 汪昕 阅读 (21) 评论 (0) 编辑
摘要:背景 YOLO v1检测效果不好,且无法应用于检测密集物体。 方法 YOLO v2是在YOLO v1的基础上,做出如下改进。 (1)引入很火的Batch Normalization,提高mAP和训练速度; (2)加入了Anchor Box机制,每个grid cell5个Anchor Box; (3) 阅读全文
posted @ 2019-08-20 10:12 汪昕 阅读 (14) 评论 (0) 编辑
摘要:背景 R-CNN系列算法检测速度不够快,YOLO v1检测准确率较低,而且无法检测到密集目标。 方法 SSD算法跟YOLO类似,都属于one stage的算法,即通过回归算法直接从原图得到预测结果,为了解决YOLO v1检测效果一般的问题,SSD提出了多尺度检测的方法以及在不同尺度上特征点的defa 阅读全文
posted @ 2019-08-19 21:31 汪昕 阅读 (14) 评论 (0) 编辑
摘要:背景 之前热门的目标检测方法都是two stage的,即分为region proposal和classification两个阶段,本文是对one stage方法的初次探索。 方法 首先看一下模型的网络结构,输入的原图片,经过24个卷积层提取特征,全连接层输出一个7*7*30的tensor,这个ten 阅读全文
posted @ 2019-08-19 17:57 汪昕 阅读 (12) 评论 (0) 编辑