Activewaste

&TitlePP-YOLO: An Effective and Efficient Implementation of Object Detector（2020）PP-YOLOv2: A Practical Object Detector（2021）&Summary目标检测算法的准确性和推理速度不可兼得，本文的工作旨在通过tricks组合来平衡目标检测器的性能以及速度。PP-YOLO： 45.2% mAP，速度高达72.9 FPS！FPS和mAP均超越YOLOv4，FPS也远

算法创新分为三种方式第一种：面目一新的创新，比如Yolov1、Faster-RCNN、Centernet等，开创出新的算法领域，不过这种也是最难的第二种：守正出奇的创新，比如将图像金字塔改进为特征金字塔第三种：各种先进算法集成的创新，比如不同领域发表的最新论文的tricks，集成到自己的算法中，却发现有出乎意料的改进对象检测网络的通用架构：1）Backbone -形成图像特征。2）Neck：对图像特征进行混合和组合，生成特征金字塔3）Head：对图像特征进行预测，应用锚定框，生成带有类概率、

&TitleCascade RetinaNet：Maintaining Consistency for Single-Stage Object Detection（BMVC2019）论文翻译代码&Summary：Motivation作者认为RetinaNet天真的直接将相同设置的多级串联在一起是没有多大收获，主要是类别的置信度和坐标之间的错误联系，以及不同Stag...

&TitleYOLO9000: Better, Faster, StrongerYOLOv2 论文笔记(原文)YOLO V2解析（推荐）概述时隔一年，YOLO（You Only Look Once: Unified, Real-Time Object Detection）从v1版本进化到了v2版本，作者在darknet主页先行一步放出源代码，论文在我们等候之下终于在12月25...

目前最强性能的人脸检测算法（Wider Face Dataset）

&Title:Hybrid Task Cascade for Instance Segmentation&Summary在本篇论文中，我们提出了一种新的实例分割框架，设计了多任务多阶段的混合级联结构，并且融合了一个语义分割的分支来增强 spatial context。关键思想是：通过在每个阶段结合级联和多任务来改善信息流，并利用空间背景来进一步提高准确性。具体来说：我...

&Title:Cascade R-CNN: Delving into High Quality Object Detection&Summary本篇文章主要解决了在目标检测中，检测框不是特别准，容易出现噪声干扰的问题，即close false positive，为什么会有这个问题呢？作者实验发现，因为在基于anchor的检测方法中，我们一般会设置训练的正负样本（用于训练分类...

&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、...

引言PyramidBox: A Context-assisted Single Shot Face Detector摘要人脸检测研究了很多年，剩下的挑战是之一是在不受控制的环境下检测小的，模糊的和部分遮挡的面部。本文提出了一种新的环境辅助的单步人脸检测器，称为 PyramidBox，来解决这个问题。注意到环境的重要性，我们从三个方面提高对环境信息的利用。第一，我们设计了新的环境 anch...

&TitleECCV2018 、 baiduPyramidBox ：A Context-assisted Single Shot Face Detector【论文翻译】：PyramidBox: A Context-assisted Single Shot Face Detector&Problem statement：基于 anchor 的检测框架致力于在不受...

摘要在对象检测中，交集联合（IoU）阈值经常用于定义正/负。用于训练探测器的阈值定义了其质量。虽然常用的阈值0.5导致噪声（低质量）检测，但检测性能经常会因较大阈值而降低。这种高质量检测的悖论有两个原因：过度拟合，由于大阈值的正样本消失，检测器和测试假设之间的推理时间质量不匹配。提出了一种多级物体检测结构，级联R-CNN，由一系列以增加的IoU阈值训练的探测器组成，以解决这些问题。使用...

看了《基于特征共享的高效物体检测》论文后，为加强理解，网上找了关于R-CNN、Fast R-CNN、Faster R-CNN三篇论文的详解，现在先将三者的问题、创新点以及待改进的地方做一个表格，方便自己以后复习查阅。参考：对于这三篇论文的详解，网上有很多，个人特别喜欢是这个博主（WoPawn）写的文章。这三篇详解，写得太赞了，这里膜拜一下大佬，以后自己写论文笔记的时候，参考博主的笔记风格。...

&Title:SNIPER: Efficient Multi-Scale TrainingSNIPER- Efficient Multi-Scale Training（中文翻译）&Summary目前的目标检测架构都是对输入图像的所有像素进行操作，从而产生proposals等，当采用多尺寸的图像金字塔时，所需的存储空间很大，在训练时，单一GPU上能训练的图像数量很小（取决于G...

&Title:Scale-Aware Trident Networks for Object Detection&Summary检测任务中存在目标尺寸多样化的问题，为了解决这一问题，作者采用的做法如下：为了使模型对不同尺寸目标的“表达能力”近似，作者借鉴了SNIP的特征提取网络，采用了“scale-aware”的并行结构；为了加快模型的推理速度，作者采用了dilated...