摘要:
作者从detector的overfitting at training/quality mismatch at inference问题入手,提出了基于multi stage的Cascade R CNN,该网络结构清晰,效果显著,并且能简单移植到其它detector中,带来2 4%的性能提升 论文: 阅读全文
摘要:
常见的目标检测算法缺少了定位效果的学习,IoU Net提出IoU predictor、IoU guided NMS和Optimization based bounding box refinement,将IoU作为一个新分支融入到模型的学习和推理中,带来了新的性能优化方法,值得学习和参考 论文: A 阅读全文
摘要:
论文基于RetinaNet提出了IoU aware sinage stage目标检测算法,该算法在regression branch接入IoU predictor head并通过加权分类置信度和IoU预测值得到anchor的最终分数,从实验结果看来,算法能有效提升定位的准确率 论文:IoU awar 阅读全文
摘要:
论文分析了one stage网络训练存在的类别不平衡问题,提出能根据loss大小自动调节权重的focal loss,使得模型的训练更专注于困难样本。同时,基于FPN设计了RetinaNet,在精度和速度上都有不俗的表现 论文:Focal Loss for Dense Object Detection 阅读全文
摘要:
论文提出Cascade RPN算法来提升RPN模块的性能,该算法重点解决了RPN在迭代时anchor和feature不对齐的问题,论文创新点足,效果也很惊艳,相对于原始的RPN提升13.4%AR 论文:Cascade RPN: Delving into High Quality Region Pro 阅读全文
摘要:
论文提出CoAE少样本目标检测算法,该算法使用non local block来提取目标图片与查询图片间的对应特征,使得RPN网络能够准确的获取对应类别对象的位置,另外使用类似SE block的squeeze and co excitation模块来根据查询图片加强对应的特征纬度,最后结合margin 阅读全文
摘要:
BlendMask通过更合理的blender模块融合top level和low level的语义信息来提取更准确的实例分割特征,该模型效果达到state of the art,但结构十分精简,推理速度也不慢,精度最高能到41.3AP,实时版本BlendMask RT性能和速度分别为34.2mAP和2 阅读全文