摘要: 题目:Deep Continuous Fusion for Multi-Sensor 3D Object Detection 来自:Uber: Ming Liang Note: 没有代码,主要看思想吧,毕竟是第一篇使用RGB feature maps 融合到BEV特征中; 从以下几个方面开始简述论文 阅读全文
posted @ 2019-03-30 10:59 SuperLab 阅读(2620) 评论(0) 推荐(0) 编辑
摘要: https://www.cnblogs.com/zhengyuqian/p/10609737.html 阅读全文
posted @ 2019-03-27 19:01 SuperLab 阅读(160) 评论(0) 推荐(0) 编辑
摘要: Acquistion Location Confidence for accurate object detection 本论文主要是解决一下两个问题: 1、分类得分高的预测框与IOU不匹配,(我猜应该是训练数据集导致的) 2、基于回归的边框修正是非单调的,缺乏可解释性。 贡献点 1、IoU-gui 阅读全文
posted @ 2019-01-18 10:25 SuperLab 阅读(334) 评论(0) 推荐(0) 编辑
摘要: Receptive Field Block Net for Accurate and Fast Object Detection 作者:Songtao Liu, Di Huang*, and Yunhong Wang Beijing Advanced Innovation Center for Bi 阅读全文
posted @ 2019-01-18 10:23 SuperLab 阅读(537) 评论(0) 推荐(0) 编辑
摘要: Learning Markov Clustering Networks for Scene Text Detection 论文下载:https://arxiv.org/pdf/1805.08365v1.pdf 1方法概述 1.1主要思路 这篇提出了一种新的框架 - 马尔可夫聚类网络(MCN),用于任 阅读全文
posted @ 2019-01-18 10:18 SuperLab 阅读(712) 评论(0) 推荐(0) 编辑
摘要: 导读: 本文为论文《Deep Mixture of Diverse Experts for Large-Scale Visual Recognition》的阅读总结。目的是做大规模图像分类(>1000类),方法是混合多个小深度网络实现更多类的分类。本文从以下五个方面来对论文做个简要整理: 背景:简要 阅读全文
posted @ 2018-12-17 19:40 SuperLab 阅读(388) 评论(0) 推荐(0) 编辑
摘要: 文章:Between-class Learning for Image Classification 链接:https://arxiv.org/pdf/1711.10284.pdf CVPR2018 作者尝试了将在音频上的方法用在图像上的,并提出了一种将图像作为波形处理的混合方法(作者认为图形波长融 阅读全文
posted @ 2018-12-12 16:09 SuperLab 阅读(1342) 评论(0) 推荐(1) 编辑
摘要: 文章:Clustering Convolutional Kernels to Compress Deep Neural Networks 链接:http://openaccess.thecvf.com/content_ECCV_2018/papers/Sanghyun_Son_Clustering_ 阅读全文
posted @ 2018-12-12 15:52 SuperLab 阅读(754) 评论(0) 推荐(0) 编辑
摘要: Acquistion Location Confidence for accurate object detection 本论文主要是解决一下两个问题: 1、分类得分高的预测框与IOU不匹配,(我猜应该是训练数据集导致的) 2、基于回归的边框修正是非单调的,缺乏可解释性。 贡献点 1、IoU-gui 阅读全文
posted @ 2018-11-04 22:21 SuperLab 阅读(301) 评论(0) 推荐(0) 编辑
摘要: Parallel Feature Pyramid Network for Object Detection ECCV2018 总结: 文章借鉴了SPP的思想并通过MSCA(multi-scale context aggregation)模块进行特征融合从而提出PFPNet(Parallel Feat 阅读全文
posted @ 2018-11-04 21:42 SuperLab 阅读(1260) 评论(0) 推荐(0) 编辑