摘要：
IGC系列网络的核心在分组卷积的极致运用，将常规卷积分解成多个分组卷积，能够减少大量参数，另外互补性原则和排序操作能够在最少的参数量情况下保证分组间的信息流通。但整体而言，虽然使用IGC模块后参数量和计算量降低了，但网络结构变得更为繁琐，可能导致在真实使用时速度变慢 来源：晓飞的算法工程笔记 公众号 阅读全文
摘要：
Channel-wise卷积在channel维度上进行滑动，巧妙地解决卷积操作中输入输出的复杂全连接特性，但又不会像分组卷积那样死板，是个很不错的想法 来源：晓飞的算法工程笔记 公众号 论文: ChannelNets: Compact and Efficient Convolutional Neur 阅读全文
摘要：
ESPNet系列的核心在于空洞卷积金字塔，每层具有不同的dilation rate，在参数量不增加的情况下，能够融合多尺度特征，相对于深度可分离卷积，深度可分离空洞卷积金字塔性价比更高。另外，HFF的多尺度特征融合方法也很值得借鉴 来源：晓飞的算法工程笔记 公众号 ESPNet 论文: ESPNet 阅读全文
摘要：
PeleeNet是DenseNet的一个变体，没有使用流行的深度可分离卷积，PeleeNet和Pelee仅通过结构上的优化取得了很不错的性能和速度，读完论文可以学到很多网络设计的小窍门。 来源：晓飞的算法工程笔记 公众号 论文: Pelee: A Real-Time Object Detection 阅读全文
摘要：
论文提出aging evolution，一个锦标赛选择的变种来优化进化算法，在NASNet搜索空间上，对比强化学习和随机搜索，该算法足够简洁，而且能够更快地搜索到更高质量的模型，论文搜索出的AmoebaNet-A在ImageNet上能达到SOTA 来源：【晓飞的算法工程笔记】 公众号 论文: Reg 阅读全文
摘要：
论文基于关键点预测网络提出CenterNet算法，将检测目标视为关键点，先找到目标的中心点，然后回归其尺寸。对比上一篇同名的CenterNet算法，本文的算法更简洁且性能足够强大，不需要NMS等后处理方法，能够拓展到其它检测任务中 来源：晓飞的算法工程笔记 公众号 论文: Objects as Po 阅读全文
摘要：
本文为CenterNet作者发表的，论文提出anchor-free/two-stage目标检测算法CPN，使用关键点提取候选框再使用两阶段分类器进行预测。论文整体思路很简单，但CPN的准确率和推理速度都很不错，比原本的关键点算法更快，源码也会公开，到时可以一试 来源：晓飞的算法工程笔记 公众号 论文 阅读全文
摘要：
为了解决CornerNet缺乏目标内部信息的问题，提出了CenterNet使用三元组进行目标检测，包含一个中心关键点和两个角点。从实验结果来看，CenterNet相对于CornerNet只增加了少量推理时延，但带来了将近5个点的AP提升 来源：晓飞的算法工程笔记 公众号 论文: CenterNet: 阅读全文
摘要：
论文提出了CornerNet，通过检测角点对的方式进行目标检测，与当前的SOTA检测模型有相当的性能。CornerNet借鉴人体姿态估计的方法，开创了目标检测领域的一个新框架，后面很多论文都基于CorerNet的研究拓展出新的角点目标检测 来源：晓飞的算法工程笔记 公众号 论文: CornerNet 阅读全文
摘要：
论文针对当前anchor-free目标检测算法的问题提出了DDBNet，该算法对预测框进行更准确地评估，包括正负样本以及IoU的判断。DDBNet的创新点主要在于box分解和重组模块(D&R)和语义一致性模块，分别用于解决中心关键点的回归不准问题以及中心关键点与目标语义不一致问题。从实验来看，DDB 阅读全文