随笔分类 - paper笔记
摘要：简单记录下FCOS的创新点 1. 首次提出逐像素边框预测，对feature map上所有像素点预测。 类似于yolo v1，不过yolo v1是对7x7的cell进行预测，召回率较低，在之后v2,v3中又回归anchor based方法。 而FCOS为了提高召回率对所有像素点预测，随之而来的是很多低
阅读全文
摘要：faster rcnn在当时算是一个相当不错，具有使用价值的算法。 算法流程如下： (1)输入测试图像； (2)将整张图片输入CNN，进行特征提取； (3)用RPN生成建议窗口(proposals)，每张图片生成300个建议窗口； (4)把建议窗口映射到CNN的最后一层卷积feature map上；
阅读全文
摘要：fast rcnn主要有如下改变： 1.引入ROI pooling层 2.并行进行classification和bonnd box regression 下面详细介绍 1.引入ROI pooling层 R CNN 在网络前半部分提取特征时，对每个候选区域都进行了特征提取，导致大量重复计算，速度极低。
阅读全文
摘要：最近跟着导师做 anchor free的detection,看paper时总感觉对detecction的细节了解不够，于是再次阅读rcnn系列paper。其实之前也断断续续读过这几篇文章，不过了解不够深入，这次打算认真梳理一次。记录总结。 1. RCNN 流程 RCNN算法分为4个步骤 生成候选区域
阅读全文
摘要：1结构介绍 是一个seq2seq的任务模型，将输入的时间序列转化为输出的时间序列。 有encoder和decoder两个模块，分别用于编码和解码，结合时是将编码的最后一个输出 当做 解码的第一个模块的输入 encoder模块有两个操作： self attention、feed forward dec
阅读全文
