该文被密码保护。 阅读全文
该文被密码保护。 阅读全文
该文被密码保护。 阅读全文
摘要：
论文链接：PDF 总结：利用梯度信息去更新siamese tracker中的模板，使用了一种新的训练方式，使得网络更关注于梯度信息，防止过拟合 图片的梯度信息可以反映目标的变化（类似DAT，DAT中有理论解释） 网络框架： 可以看到，网络主要有两个分支，下面的一个分支用来提取search regio 阅读全文
摘要：
文章链接：论文pdf 目前基于CNN的检测模型一般都比较复杂，需要消耗较多的计算资源。一种解决这个问题的方法是使用知识蒸馏，将复杂网络当作“教师”网络，让小规模的“学生”网路去模拟“教师”网络的输出，使得小网络获得更好的性能。但是目前知识蒸馏更多的是用在比较简单的任务，例如分类上，而在目标检测上做的 阅读全文
摘要：
弱监督目标检测相对于一般的目标检测任务来说，训练样本不需要实例级别的标注，只需要图片级别的标注，即告诉图片中有什么而不需标注位置信息，这种标注图片容易获取，能节省标注时间及精力。现有的大部分方法在进行若监督目标检测任务时，采用多实例学习方法和two-stage的跟踪框架，检测速度不如one-stag 阅读全文
摘要：
向上取整函数：np.ceil() 阅读全文
摘要：
name1=str2num(name); name2=num2str(name1,'%04d');#固定四位 “0000” ‘0001’... 阅读全文
摘要：
torch版本的原因，torch0.4.1使用softmax时需要加上维度参数： p=torch.nn.functional.softmax(x,dim=1) 阅读全文
摘要：
运行代码时出现此问题，参数类型的错误 传的参数应该是torch.longtensor类型 使用a=torch.LongTensor()定义即可 阅读全文