摘要：
Learning What and Where to Transfer 概述 这是一篇来自 ICML 2019 的迁移学习论文。作者针对异构师生网络的知识迁移任务，提出了一种基于元学习的迁移学习方法，自动地学习源网络中什么知识需要迁移、迁移到目标网络的什么地方。也就是说，通过元学习来决定： （a）源 阅读全文
摘要：
论文阅读——FCOS: Fully Convolutional One-Stage Object Detection 概述 目前anchor-free大热，从DenseBoxes到CornerNet、ExtremeNet，以及最近的FSAF、FoveaBox，避免了复杂的超参数设计，而且具有很好的检 阅读全文
摘要：
论文阅读——FoveaBox: Beyond Anchor-based Object Detector 概述 这是一篇ArXiv 2019的文章，作者提出了一种新的anchor-free的目标检测框架FoveaBox，直接学习目标存在的可能性（预测类别敏感的语义map）和bbox的坐标（为可能存在目 阅读全文
摘要：
相关链接 论文地址：https://arxiv.org/abs/1904.08189 代码链接：https://github.com/Duankaiwen/CenterNet 概述 CenterNet由中科院、牛津大学和华为诺亚方舟实验室联合提出，发展了以CornerNet为代表的基于关键点的目标检 阅读全文
摘要：
一、对Tensor的操作 从接口的角度讲，对Tensor的操作可以分为两类： （1）torch.function （2）tensor.function 比如torch.sum(a, b)实际上和a.sum(b)功能等价。 从存储的角度讲，对Tensor的操作也可以分为两类： （1）不修改自身数据，如 阅读全文
摘要：
一、Tensor Tensor是Pytorch中重要的数据结构，可以认为是一个高维数组。Tensor可以是一个标量、一维数组（向量）、二维数组（矩阵）或者高维数组等。Tensor和numpy的ndarrays相似。 import torch as t 构建矩阵：x = t.Tensor(m, n) 阅读全文
摘要：
论文阅读 | Region Proposal by Guided Anchoring 相关链接 论文地址：https://arxiv.org/abs/1901.03278 概述 众所周知，anchor策略是目标检测领域的基石。很多目标检测算法的高精度检测都依赖于密集的anchor策略，也就是在空间域 阅读全文
摘要：
相关链接 论文地址：https://arxiv.org/abs/1901.08043 论文代码：https://github.com/xingyizhou/ExtremeNet 概述 ExtremeNet是今年（2019）1月23号挂在arxiv上的目标检测论文，是至今为止检测效果最好的单阶段目标检 阅读全文
摘要：
论文地址：https://arxiv.org/abs/1808.01244v1 论文代码：https://github.com/umich-vl/CornerNet 概述 CornerNet是一篇发表在ECCV 2018的目标检测论文。有别于主流目标检测算法基于anchor box的思想，Corne 阅读全文
摘要：
论文地址：https://arxiv.org/pdf/1612.03144v2.pdf 代码地址：https://github.com/unsky/FPN 概述 FPN是FAIR发表在CVPR 2017上的一篇文章，采用特征金字塔的方法进行目标检测。文中利用深层卷积网络固有的多尺度金字塔层次结构，高 阅读全文