tuntunmmd的博客

论文信息链接：http://arxiv.org/pdf/1905.11946v2.pdf发表时间：2019来源：google作者：Mingxing Tan摘要卷积神经网络（ConvNets）通常是在固定的资源预算下开发的，如果有更多的资源，则可以按比例放大以获得更高的准确性。在本文中，系统地研究了模型缩放并确定仔细地平衡网络深度，宽度和分辨率可以带来更好的性能。基于这一观察，提出了一种新的缩放方法，该方法使用简单但高效的复合系数均匀地缩放深度/宽度/分辨率的所有维度。证明了这种方法在

非极大值抑制概述在目标检测领域，我们经常用到非极大值抑制（NMS），NMS就是在局部范围内抑制不是极大值的目标，只保留极大值。原理在检测任务重，我们会得到一批具有置信度S的bbox列表B，首先根据置信度S对bbox进行排序，选择置信度最高的框M，从B中移除M并加入到最终结果D中，将剩余的框与B分别作交并比运算，IOU大于阈值Nt（通常设为0.3~0.5）的框从B中移除，一轮结...

最近在研究Mask R-CNN，该网络一部分是跟Faster R-CNN（https://arxiv.org/pdf/1506.01497v3.pdf）相似的，同样的，在模型训练实现时，其中一种方法叫做交替训练（Alternating training），想利用该方法就涉及到如何对网络进行指定层的训练，今天就总结一下pytorch中的实现方法，既然写了指定层训练，那就把参数的单独设置也介绍一下，p...

1.stage1_rpn_train.pt 单独训练RPN 网络，训练的模型用ImageNet的模型来初始化，采用end to end的方式来调整参数。 （backbone+rpn+fast rcnn——>backbone1+rpn1+fast rcnn，backbone 、rpn参数更新）2.stage1_fast_rcnn_train.pt ...