RF~or的博客

问题：目前的目标检测器只能适用于单一的检测场景。目的：建立一种适用于各种场景的通用的目标检测系统。（a）单域检测器组 （b）自适应多域检测器 （c）通用检测器 （d）域注意通用检测器相关研究：目标检测：两阶段检测框架：RCNN,Fast R-CNN,Faster R-CNN；一阶段检测框架（速度快）：YOLO,SSD。它们应用在不同数据集上时都需要微调模型。多任务学习：多...

Abstract—Spatial pyramid matching is a standard architecture for categorical image retrieval. However, its performance is largely limited by the prespecified rectangular spatial regions when pooling l...

摘要

要解决的问题：域间差异（domain shift）导致检测性能下降。（域可以理解成区域/不同的场景图像）补充：域间差异：不同的数据集具有不同的数据分布，一般情况下训练的模型也只能用在与这种训练数据集分布相似的数据集上，而用于与训练数据集分布不同的数据集中时，则会产生具有明显差距的结果。也就是泛化能力。few-shot可以理解为训练样本少。方法：少镜头自适应方法（few-shot adapt...

问题：Deep convolutional neural networks have greatly improved object recognition accuracy,but remain reliant on large quantities of labeled training data.（深度卷积神经网络依赖大量标注的训练集）目的：reduce annotation costs...

问题：移位操作受限于移位操作（memory movement）。主要体现在计算内存较小时，如GPU。目的：解决移位操作中，内存移动的限制。方法：采用稀疏移位层（sparse shift layer）（较少的移位操作）构建有效的卷积神经网络。具体做法：1.在损失函数中给无用的移位操作添加惩罚项，去除无用的移位操作： 2.Fully-Exploited N...