Activewaste

&TitleObject Detection Made Simpler by Eliminating Heuristic NMS代码&SummaryMotivation：如果网络只能为图像中的每个实例对象识别一个正样本，那么就没有必要使用NMS。all the locations on the CNN feature maps within the center region of an object are assigned positive labels. As a r

&TitleSoft Anchor-Point Object Detection论文翻译代码&Summary问题：how to make the anchor-free detection head better?how to utilize the power of feature pyramid better?解决方法： soften optimiza...

&TitlePolarMask: Single Shot Instance Segmentation with Polar Representation代码&SummaryPolarMask基于FCOS，把实例分割统一到了FCN的框架下。在4月份FCOS挂出来之后，我和沈老师就一直在讨论如何进把instance segmentation融合进FCN里。FCOS本质上是...

&TitleBridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive Training Sample Selection代码&Summary论文主要阐述了对于正负样本的定义和选取对模型最终效果的影响。首先是对比了anchor_free和anchor_base在选取样本时...

&Title:Segmentation Is All You Need代码 None&Summary作者提出了 第一个无锚(anchor-free)和无NMS(NMS-free) 的目标检测模型，称为弱监督多模式注释分割（WSMA-Seg），该模型 利用分割模型实现了无需NMS的准确而鲁棒的目标检测 。在WSMA-Seg中，提出了多模式注释（目标轮廓注释、目标边界注释、...

&Title:DuBox: No-Prior Box Objection Detection via Residual Dual Scale DetectorsGithub addr None&Summary介绍了一种新的一步检测方法Dubox，它可以在没有先验框的情况下检测物体。设计的双尺度残差单元具有多尺度特性，使双尺度检测器不再独立运行。高层检测器学习低层检测器的...

&Title:RepPoints: Point Set Representation for Object Detection代码地址&Summary提出了一种新的表示形式，称为RepPoints，它提供了更细粒度的定位并有助于分类。 如图所示，RepPoints是一组点，这些点学会以一种限定对象空间范围并指示语义上重要的局部区域的方式自适应地将自己定位在目标上。 Re...

&Title:Bottom-up Object Detection by Grouping Extreme and Center Points代码地址&Summary提出一种目标检测的新思路：首先通过标准的关键点估计网络来检测4个极值点和1个中心点，然后通过几何关系对提取到的关键点进行分组，一组极值点（5个）就对应一个检测结果。使得目标检查问题转化成了一个纯粹的基于外...

引言在Anchor-free方法中，可以分为两种，一种是基于关键点检测，另一种是基于密集点检测基于关键点检测有：CornerNet（左上角点+右下角点）CornerNet-Lite（左上角点+右下角点）CenterNet :Objects as Points（中心点+边框回归）CenterNet: Keypoint Triplets for Object Detection（中心点+...

titleYou Only Look Once: Unified, Real-Time Object Detectiontensorflow版本的代码引言这是继RCNN，fast-RCNN 和 faster-RCNN之后，rbg（Ross Girshick）大神挂名的又一大作，起了一个很娱乐化的名字：YOLO。虽然目前版本还有一些硬伤，但是解决了目前基于DL检测中一个大痛点，就是速度...

&Title:Feature Selective Anchor-Free Module for Single-Shot Object Detection代码未公布&Summary提出了一种简单有效的单镜头目标探测器的特征选择无锚(FSAF)模块。它可以插入具有特征金字塔结构的一阶段探测器。FSAF模块解决了传统基于锚点检测的两个局限性：启发式引导特征选择overl...

&Title:Cascade R-CNN: Delving into High Quality Object Detection&Summary基于关键点的目标检测方法，如：CornerNet，常常出现很多边界框不正确，原因在于缺少对裁剪框中内容做进一步校验。本文找到一种基于最小代价情况下探究各个裁剪框内视觉模式的方法。基于此前one-stage的CornerNet做的改...

&Title:Objects as Points&Summary作者在构建模型时将目标作为一个点——即目标BBox的中心点。检测器采用关键点估计来找到中心点，并回归到其他目标属性，例如尺寸，3D位置，方向，甚至姿态。论文是基于中心点的方法，称为：CenterNet，相比较于基于BBox的检测器，我们的模型是端到端可微的，更简单，更快，更精确。我们的模型实现了速度和精确的...

&Title:CornerNet-Lite: Efficient Keypoint Based Object Detection&Summary基于关键点的方法是目标检测中相对较新的范例，消除了对 anchor boxes 的需求并提供了简化的检测框架。基于Keypoint的CornerNet在单级（single-stage）检测器中实现了最先进的精度。然而，这种准确性来自...

&Title:CornerNet: Detecting Objects as Paired KeypointsCornerNet: Detecting Objects as Paired Keypoints[中文翻译]&SummaryCornerNet，一种新的物体检测方法，文章使用单个卷积神经网络将目标边界框（bounding box）检测转化为一对关键点对（pair...

&Title:FCOS: Fully Convolutional One-Stage Object Detection&Summary本文提出了一种全卷积one-stage目标检测算法（FCOS），以逐像素预测的方式解决目标检测问题，类似于语义分割。目前最流行的不论是one-stage目标检测算法，如RetinaNet，SSD，YOLOv3，还是two-stage目标检测...

引言：先放个链接：关于densebox的论文解读DenseBox大多数的论文笔记都差不多，就转一篇过来当复习笔记，以便后续查看。

Title2016 ACM MM UnitBox: An Advanced Object Detection NetworkAbstract传统的目标框含有四个独立的坐标变量，丢失了相互之间的信息，导致AP下降Unit Box 提出了一种新的 IoU 损失函数，将四个变量作为一个整体预测IntrouductinFaster RCnn 依赖于预先设计好的anchor，对小目标无能为力...

&Title:FoveaBox: Beyond Anchor-based Object Detector&SummaryFoveaBox: 一种准确的灵活的完全无锚的物体检测框架。FoveaBox直接学习对象存在的概率和相一致的边界框的坐标不在使用锚点的参照。实现方式主要有两种：为目标存在的可能性预测类别敏感语义图；为每一个可能包含目标的位置生成未知类别的边界...

&Title:Center and Scale Prediction: A Box-free Approach for Object Detection&Summary论文与CenterNet：Object as points 文章的思想很相似。以行人检测为例将目标检测简化为一个直接的全卷积式的中心点和尺度预测任务，CSP (Center and Scale Predic...