- 博客(3)
- 收藏
- 关注
RSS订阅原创 Boosting Object Detection with Zero-Shot Day-Night Domain Adaptation（零镜头昼夜自适应目标检测）
这篇文章是围绕Retinex理论进行的，结构上：在检测器的基础上增加了一条分支作为主要的功能模块；同时将零样本建立在一个较大的伪标注生成网络之上，感觉建立在这种笨拙的伪标注生成网络上的零样本学习多少有点自欺欺人了。其实总体感觉没什么亮点。。。但是或许就像作者自己说的他们是第一批专注于ZSDA（zero-shot day-night domain adaptation）的人，对一些参照组的设置和损失函数的设想挺让人大开眼界的：如整个的交换-再分解-趋同过程，通过对提取出的不变层进行交换复原，再与原图比对；
2024-11-20 16:54:16
1320
原创 YOLO9000阅读随笔
检测数据集数量少，分类数据集多，因此提出一种方法利用分类数据扩展检测范围。提出一种联合训练算法，可以用检测和分类数据训练检测器。指出核心思想是用检测数据学习精准定位，用分类集扩充类别词库。
2024-11-14 11:07:09
996
原创 目标检测：R-CNN与YOLOv1文献阅读与代码梳理2024.10.17-10.24
举个例子，在R-CNN中，单次传入神经网络的值并不是整张图像，只是其中的一小部分经常是目标区域的一小块（如图一为原图，图二为一个Proposal），这样的一小部分是如何预测出我整个图像中的目标区域的呢？其中（7，7）表示该网络通过整张图像的信息，对分割出的每个小区域进行了预测，预测值为30个，30个预测值中包含了20+（1+4）*2。以下说到的数据的意义，并非是输出值真实的意义（因为你可能会发现一些很奇怪的地方），而是我们在训练过程中想让他具有的意义，这个一定要记清楚，不然在后续数据处理中很容易迷糊！
2024-10-24 17:17:27
992
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人