Shine19的博客

YOLO v3!

跨域小样本目标检测模型研读。

YOLO开篇之作，必读！YOLO v1详细解读，附图片分析。

Faster-RCNN作为一种two-stage的算法，与one-stage的算法相比，two-stage的算法更加复杂且速度较慢，但是检测精度会更高。

不幸的是，由于合成和自然雨天图像之间存在很大的域差距，这些方法不能很好地推广到现实世界的雨天图像。**然而，传统的基于模型的雨生成方法，依赖于过于简化的假设和手工设计的先验，无法准确地模拟不同类型的真实降雨。相比之下，数据驱动的深度学习方法，例如像 UNIT [23] 这样的不成对的图像到图像翻译方法，已经证明了它们在不同天气条件下翻译图像的能力。例如，如果图像的鉴别器输出矩阵是一个 100x100 的矩阵，则矩阵中的每个元素表示对应像素点为真实像素点的概率，取值范围为 0 到 1。