摘要:
FCOS: Fully Convolutional One-Stage Object Detection 特点:全卷积,单阶段,类似于语义分割的逐像素预测 优点:无anchor box, 无proposal。设计复杂度大大降低。 避免了训练时计算IOU,更重要的是避免了所有与anchor box相关 阅读全文
摘要:
将目标检测框的检测定义为其边界框中心点,利用 关键点估计 寻找中心点,然后其他的属性(如单目3D定位,姿势估计以及方向等)都基于中心点信息直接回归。 不需要像cornerNet那样去group和separate. 但是3D目标检测的深度depth和航向Orientation都不容易直接回归。 航向: 阅读全文
摘要:
解决什么问题? 1.注意力偏移 模型对具有良好视野的物体具有较高的注意,而一定程度忽视了其他目标。表现在:在靠近目标边界的区域位置存在很大区域不必要的高得分. 认为目标中心的anchor point和边缘的anchor point有相同的表达力是不合理的。一顿操作其实就是给每个附近高得分样本提出了一 阅读全文
摘要:
基于关键点keypoint(point数目直接基于图像空间像素数)的anchor free目标检测算法: cornertNet centerNet ExtremeNet 基于锚点anchor point(point数目基于特征空间像素数)的anchor free目标检测算法: DenseBox FC 阅读全文