随笔分类 -  检测

深度学习笔记（二十一）Anchor Free
摘要：1. Anchor Free Anchor 的缺点： 正负样本不均衡：我们通常在特征图所有点上均匀采样 Anchor，而在大部分地方都是没有物体的背景区域，导致简单负样本数量众多，这部分样本对于我们的检测器没有任何作用。 超参难调：Anchor 需要数量、大小、宽高等多个超参数，这些超参数对检测的召 阅读全文
posted @ 2020-11-04 18:32 xuanyuyt 阅读(3830) 评论(0) 推荐(1)
深度学习笔记（十三）YOLO V3 (PyTorch) + Model Prune
摘要：上次记录了下 TensorFlow 版本，这次由于剪枝需要，尝试下 PyTorch 版本。 源码目录总览 yolov3-ultralytics ├── cfg // 网络定义文件 │ ├── yolov3.cfg │ ├── yolov3-spp.cfg │ ├── yolov3-tiny.cfg 阅读全文
posted @ 2020-06-03 19:22 xuanyuyt 阅读(829) 评论(2) 推荐(1)
深度学习笔记（二十二）EfficientDet
摘要：论文：EfficientDet: Scalable and Efficient Object Detection 关联：EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks TensorFlow 实现 PyT 阅读全文
posted @ 2020-04-22 10:10 xuanyuyt 阅读(3553) 评论(1) 推荐(0)
深度学习笔记（十九）HAMBox: Delving into Online High-quality Anchors Mining for Detecting Outer Faces
摘要：paper link keyword outer faces：异常人脸，由于人脸尺度过小或者人脸尺度与anchor尺度不匹配，造成训练时匹配不到足够多的Anchor（小于阈值K），影响了这些人脸的召回。 HAMBox：Online High-quality Anchor Mining Strateg 阅读全文
posted @ 2020-03-26 14:58 xuanyuyt 阅读(1467) 评论(0) 推荐(0)
深度学习笔记（十八）Learning Data Augmentation Strategies for Object Detection
该文被密码保护。
posted @ 2020-03-20 16:26 xuanyuyt
深度学习笔记（十六）Faster RCNN + FPN (PyTorch)
摘要：之前虽然也了解一丢丢的 Faster RCNN，但却一直没用过，因此一直都是一知半解状态。这里结合书中描述和 PyTorch 官方代码来好好瞅瞅。 论文: Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Ne 阅读全文
posted @ 2020-03-13 10:59 xuanyuyt 阅读(14401) 评论(4) 推荐(2)
深度学习笔记（十五）目标检测回归损失 GIoU、DIoU、CIoU
摘要：论文：Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression Distance-IoU Loss: Faster and Better Learning for Bounding Box 阅读全文
posted @ 2019-12-25 17:07 xuanyuyt 阅读(7447) 评论(0) 推荐(1)
深度学习笔记（十三）YOLO V3 (Tensorflow)
摘要：[原始代码] [代码剖析] 推荐阅读！ SSD 学习笔记 之前看了一遍 YOLO V3 的论文，写的挺有意思的，尴尬的是，我这鱼的记忆，看完就忘了 于是只能借助于代码，再看一遍细节了。 源码目录总览 tensorflow-yolov3 ├── checkpoint //保存模型的目录 ├── con 阅读全文
posted @ 2019-10-16 23:09 xuanyuyt 阅读(14734) 评论(19) 推荐(7)
深度学习笔记（十）Augmentation for small object detection（翻译）
摘要：一. abstract 这些年来，目标检测取得了令人瞩目的成就。尽管改进很大，但对于小目标和大目标的检测性能差异还是蛮大的。我们在 MS COCO 数据集上分析了如今一个比较先进的算法，Mask-RCNN。我们发现小目标的 GT 和检测框之间 IOU 远小于期望的阈值（比如0.5）。我们推测这是由于 阅读全文
posted @ 2019-07-14 17:23 xuanyuyt 阅读(6385) 评论(0) 推荐(2)
深度学习笔记（八）Focal Loss & QFocal Loss
摘要：论文：Focal Loss for Dense Object Detection Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection论文链接：http 阅读全文
posted @ 2017-08-29 11:20 xuanyuyt 阅读(11143) 评论(1) 推荐(1)
深度学习笔记（七）SSD 论文阅读笔记简化
摘要：源码地址：https://github.com/weiliu89/caffe/tree/ssd 本文详细版本 YOLO V3 学习笔记 一. 算法概述 本文提出的SSD算法是一种直接预测目标类别和 bounding box 的多目标检测算法。与 faster rcnn 相比，该算法没有生成 prop 阅读全文
posted @ 2017-08-29 10:51 xuanyuyt 阅读(35330) 评论(15) 推荐(29)
深度学习笔记（七）SSD 论文阅读笔记
摘要：源码地址：https://github.com/weiliu89/caffe/tree/ssd YOLO V3 学习笔记 一. 算法概述 本文提出的 SSD 算法是一种直接预测目标类别和 bounding box 的多目标检测算法。与 faster rcnn 相比，该算法没有生成 proposal 阅读全文
posted @ 2017-07-24 14:53 xuanyuyt 阅读(16797) 评论(4) 推荐(24)