摘要：
这是一篇发表于**CVPR2019**的关于显著性目标检测的paper，**《BASNet：Boundary-Aware Salient Object Detection》[1]**显而易见的就是关注边界的显著性检测，**主要创新点在loss的设计上，使用了交叉熵、结构相似性损失、IoU损失这三种的混合损失，使网络更关注于边界质量，**而不是像以前那样只关注区域精度。在单个GPU上能跑25 fps，在六种公开数据集上能达到 **state-of-the-art**的效果。 阅读全文
摘要：
I choose not to choose life: I choose something else. 阅读全文
摘要：
deepin15.10重装nvidia驱动及cuda，安装版本为cuda9.0，nvidia的Driver Version:为390.67 阅读全文
摘要：
提出了两种基于池化技术的模块GGM（全局引导模块）和FAM（特征整合模块），改进FPN在显著性检测的应用，而且这两个模块也能应用在其他金字塔模型中，具有普遍性，但是FAM的整合过程我认为有点像是**用平均中和了上采样带来的混叠效应**，但是不够优雅，**先下采样池化再上采样带来的损失可能代价太大**。 阅读全文
摘要：
问题记录 | VScode中使用IntelliJ的快捷键 主要想用ctrl+alt+l格式化Python代码 安装VScode的插件：IntelliJ IDEA Keybindings 安装方法： Installation 1. Install Visual Studio Code 1.30.2 o 阅读全文
摘要：
问题记录 | PyLint not recognizing cv2 members
类似Module 'cv2' has no '*' member 阅读全文
摘要：
本文解读的是一篇发表于CVPR2019的paper，来自华科和地平线，文章提出了Mask Scoring R-CNN的框架是对Mask R-CNN的改进，简单地来说就是给Mask R-CNN添加一个新的分支来给mask打分从而预测出更准确的分数。 阅读全文
摘要：
现有的目标检测器往往存在着三种层次的不平衡：
1. sample level 2. feature level 3. objective level
对应三个解决方案：
1. IoU-balanced Sampling 2.Balanced Feature Pyramid 3. Balanced L1 Loss
阅读全文
现有的目标检测器往往存在着三种层次的不平衡：
1. sample level 2. feature level 3. objective level
对应三个解决方案：
1. IoU-balanced Sampling 2.Balanced Feature Pyramid 3. Balanced L1 Loss
阅读全文
摘要：
生活 前乒乓球爱好者、前篮球爱好者:basketball:、前滑轮爱好者，目前这些爱好也没坚持下去，现在的爱好是写写文章:memo:、炒炒股票:chart_with_upwards_trend:、听自己爱听的音乐:musical_note:、出门瞎逛逛:walking:。如果你也在深圳或许我们可 阅读全文
摘要：
StackGAN 阅读笔记 "StackGAN论文下载链接(arxiv)" 创新点 提出多尺度的GAN Stage I GAN Stage II GAN Stage I GAN 主要是根据文本描述抓取目标物体的主要形状轮廓和一些基础色块，生成低分辨率的图片。 Stage II GAN 修正Stage 阅读全文