sinat_33487968的博客

知乎 作者：美图云视觉技术部 检测团队 基于深度学习的目标检测算法综述（一） 基于深度学习的目标检测算法综述（二） 基于深度学习的目标检测算法综述（三） 优快云 作者：AI之路 CVPR2018 目标检测（object detection）算法总览 论文 近日，中国国防科技大学、芬兰奥卢大学、澳大利亚悉尼大学、香港中文大学、加拿大滑铁卢大学的研究者在 arXiv 发布了一篇综述...

论文全称：《Bag of Tricks for Image Classification with Convolutional Neural Networks》 论文地址：https://arxiv.org/pdf/1812.01187.pdf 这篇文章主要讨论最近这些训练神经网络的tricks，这些tricks大部分都只是在以前的论文轻描淡写地一笔带过，有些只能在源代码里找到，但这一部分可能...

选自 arXiv作者：Tong He、Zhi Zhang、Hang Zhang、Zhongyue Zhang、Junyuan Xie、Mu Li机器之心编译参与：刘晓坤、思源除了带你动手学深度学习，李沐大神还带你深挖卷积神经网络的各种实践「技艺」。近日AWS的研究者研究了一系列训练过程和模型架构的改进方法，他们在多个神经网络架构和数据集上评估它们，并研究它们对最终模型准确率的影响。自 2012 年...

2018年12月4日-7日，全亚洲最大的计算机图形与互动技术会议与展会——SIGGRAPH Asia 2018大会在日本东京隆重举行。作为计算机图形学顶级会议，SIGGRAPH大会邀请了国际上在影像技术方面有建树的学者、技术名流大咖及高新技术企业共同研讨交流，展示最先进的图形学技术。来自英国伦敦大学学院UCL的Niloy J. Mitra等学者做了关于深度学习在计算机图形学应用的报告，《Creat...

github:https://github.com/amusi/daily-paper-computer-vision 本文分享共计46篇论文，涉及CNN、Face、图像分类、目标检测、图像分割、GAN、Re-Id、SLAM和迁移学习等方向。前戏计算机视觉论文速递系列推文目前是一周一次，因为Amusi说过很多次，这个系列文章整理到公众号上有点"吃"时间。所以暂时将原来的日报形式改成周报的形式。其实...

文章来源：新智元作者：张皓【导读】本文作者来自南京大学计算机系机器学习与数据挖掘所（LAMDA），本文直观系统地梳理了深度学习在计算机视觉领域四大基本任务中的应用，包括图像分类、定位、检测、语义分割和实例分割。本文旨在介绍深度学习在计算机视觉领域四大基本任务中的应用，包括分类(图a)、定位、检测(图b)、语义分割(图c)、和实例分割(图d)。 图像分类(image classificat...

论文全称：《Focal Loss for Dense Object Detection》 论文地址：https://arxiv.org/pdf/1708.02002.pdf 论文代码：https://github.com/facebookresearch/Detectron 目录 综述 Focal Loss cross entropy（CE）loss Balanced Cross E...

论文全称：《Feature Pyramid Networks for Object Detection》 论文地址：http://openaccess.thecvf.com/content_cvpr_2017/papers/Lin_Feature_Pyramid_Networks_CVPR_2017_paper.pdf 背景 在计算机视觉中，识别不同尺度的物体是一个基本的挑战。 下图中a是...

目录 主要改进 提出的动机 Deconvolutional SSD Prediction module Deconvolution Module 使用K-means 方法 setting prior box aspect ratio Result 论文全称：《DSSD : Deconvolutional Single Shot Detector》 论文地址：https://arx...

目录 一、Object detection物体检测与其他计算机视觉问题的区别与联系 二、 Object detection物体检测的数据集 三、 Object detection物体检测的性能指标 1. Intersection over Union (IoU) 交并比 2.mean Average Precision (mAP) 三、Object detection物体检测的主要算法...

论文全称：《YOLOv3: An Incremental Improvement》 论文地址：https://pjreddie.com/media/files/papers/YOLOv3.pdf 这是我目前看过最轻松诙谐的论文，作者的开头特别有意思。他说自己过去一年花了很多时间在推特上面，也去研究了GAN，后来又回来提升YOLO。他还指出了其实这个版本的更新没有什么特别了不起的地方，只是将别人...

目录 综述 SSD与其他算法的区别 SSD的主要贡献 1.Multi-Scale Feature Maps 2.Splitting the Region Space 3.Data Augmentation SSD300网络结构 SSD网络的缺点 论文全称：《SSD: Single Shot MultiBox Detector》 论文地址：https://arxiv.org/pd...

目录 与以往rcnn，SPPNet，fast rcnn，faster rcnn的不同 YOLO的特点 YOLO的流程 YOLO的网络结构图 YOLO的loss function YOLO的局限 YOLO的实验结果 论文全称：《You Only Look Once: Unified, Real-Time Object Detection》 论文地址：https://arxiv.or...

目录 综述 多种方法对原来的v1版本改进 Batch Normalization High Resolution Classifier（高分辨率的分类器） Convolutional With Anchor Boxes Dimension Clusters（维度聚类） Direct location prediction（直接位置预测） Fine-Grained Features ...

目录 1.综述 2.Region Proposal Networks （RPN） Anchor（锚） loss function Training RPNs 3.Sharing Features for RPN and Fast R-CNN  1.交替训练 Alternating training 2.近似联合训练 Approximate joint training 3.非近似...

目录 1.introduction 2.The RoI pooling layer 3.Initializing from pre-trained networks 4.Fine-tuning for detection 5.Multi-task loss 6.Truncated SVD for faster detection 7.Result 8.Design evaluati...

目录 1.论文的综述 2.Spatial Pyramid Pooling结构 3.Training the Network训练网络的细节 4.SPP-NET FOR OBJECT DETECTION 论文全称：《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》 论文地址：http...

目录 1.Region proposals 2.Feature extraction 3.测试的细节 4.训练的细节 4.1Supervised pre-training 4.2Domain-specific fine-tuning 5.实验结果 论文全称：《Rich feature hierarchies for accurate object detection and sem...