07 2021 档案

摘要:论文基于NLP的注意力机制提出了目标关系模块,通过与其它目标的比对增强当前目标的特征,而且还可以代替NMS进行端到端的重复结果去除,思想十分新颖,效果也不错 来源:晓飞的算法工程笔记 公众号 论文: Relation Networks for Object Detection 论文地址:https: 阅读全文
posted @ 2021-07-29 13:22 晓飞的算法工程笔记 阅读(167) 评论(0) 推荐(0) 编辑
摘要:为了高效地学习准确的预测框及其分布,论文对Focal loss进行拓展,提出了能够优化连续值目标的Generalized Focal loss,包含Quality Focal loss和Distribution Focal loss两种具体形式。QFL用于学习更好的分类分数和定位质量的联合表示,DF 阅读全文
posted @ 2021-07-28 13:31 晓飞的算法工程笔记 阅读(759) 评论(0) 推荐(0) 编辑
摘要:本文是对FCOS的小修小改,最终性能达到了50.4AP,可谓相当强劲了,大家在工程上可以参考其中的改进以及提升方法 来源:晓飞的算法工程笔记 公众号 论文: FCOS: A Simple and Strong Anchor-freeObject Detector 论文地址:https://arxiv 阅读全文
posted @ 2021-07-27 13:31 晓飞的算法工程笔记 阅读(213) 评论(0) 推荐(0) 编辑
摘要:Guided Anchoring通过在线生成anchor的方式解决常规手工预设anchor存在的问题,以及能够根据生成的anchor自适应特征,在嵌入方面提供了两种实施方法,是一个很完整的解决方案 来源:晓飞的算法工程笔记 公众号 论文: Region Proposal by Guided Anch 阅读全文
posted @ 2021-07-13 13:29 晓飞的算法工程笔记 阅读(93) 评论(0) 推荐(0) 编辑
摘要:作为与FCOS和FSAF同期的Anchor-free论文,FoveaBox在整体结构上也是基于DenseBox加FPN的策略,主要差别在于FoveaBox只使用目标中心区域进行预测且回归预测的是归一化后的偏移值,还有根据目标尺寸选择FPN的多层进行训练,大家可以学习下 来源:晓飞的算法工程笔记 公众 阅读全文
posted @ 2021-07-12 13:30 晓飞的算法工程笔记 阅读(157) 评论(0) 推荐(0) 编辑
摘要:DenseBox检测算法的设计十分超前,如今很多Anchor-free方法有其影子,如果当时不是比Faster R-CNN晚了一点出现,可能目标检测领域很早就开始往Anchor-free的方向发展了 来源:晓飞的算法工程笔记 公众号 论文: DenseBox: Unifying Landmark L 阅读全文
posted @ 2021-07-09 13:14 晓飞的算法工程笔记 阅读(125) 评论(0) 推荐(0) 编辑
摘要:针对anchor-point检测算法的优化问题,论文提出了SAPD方法,对不同位置的anchor point使用不同的损失权重,并且对不同的特征金字塔层进行加权共同训练,去除了大部分人为制定的规则,更加遵循网络本身的权值进行训练 来源:晓飞的算法工程笔记 公众号 论文: Soft Anchor-Po 阅读全文
posted @ 2021-07-08 13:24 晓飞的算法工程笔记 阅读(220) 评论(0) 推荐(0) 编辑
摘要:FSAF深入地分析FPN层在训练时的选择问题,以超简单的anchor-free分支形式嵌入原网络,几乎对速度没有影响,可更准确的选择最优的FPN层,带来不错的精度提升 来源:晓飞的算法工程笔记 公众号 论文: Feature Selective Anchor-Free Module for Sing 阅读全文
posted @ 2021-07-02 13:21 晓飞的算法工程笔记 阅读(124) 评论(0) 推荐(0) 编辑
摘要:RepPointsV2的整体思想类似与Mask R-CNN,加入更多的任务来监督目标检测算法的学习。虽然在创新性上可能不够新颖,但论文的通用性还是很不错的,而且将角点任务的输出用于联合推理,从对比实验上看提升不少 来源:晓飞的算法工程笔记 公众号 论文: RepPoints V2: Verifica 阅读全文
posted @ 2021-07-01 19:48 晓飞的算法工程笔记 阅读(157) 评论(0) 推荐(0) 编辑