寂寞的小乞丐

文章目录AutoAssign源码分析一. 简介二. 论文理论2.1 联合表示2.2 正样本权重2.3 负样本权重2.4 总的loss2.5 补充loss三. 论文代码四. 总结五. 参考AutoAssign源码分析一. 简介​ 关于动机和发展流程，原作者已经在知乎说的非常清楚，主要解决的问题总结如下：联合各个loss（cls、reg、obj），这里前人已经做过很多去除了centerness，这个东西非常难训练去除了预定义的anchor匹配策略去除FCOS类的不同FPN层解决不同尺度目标

文章目录Anchor-Free综述一. CornerNet1.1 概述1.2 模块介绍1.2.1 Heatmap1.2.2 Offset1.2.3 Grouping Corners1.2.4 Corner Pooling1.3 总结二. CenterNet2.1 概述2.2 Center-Regression三. FCOS3.1. 概述3.2. 模块介绍3.2.1 论文思路简介3.3.2 回归形式3.3 参考文献四 ATSS五.GFLV15.1. 论文简介5.2. 模块详解5.2.1 谈谈分布5.2.2 分

Towards Accurate One-Stage Object Detection with AP-Loss一. 论文简介笔者部分不理解，仅记录自己理解部分。解决目标检测（一阶段）样本不均衡问题，统一loss和评价指标直接联系。主要做的贡献如下（可能之前有人已提出）：设计一个AP-Loss（包括前向和后向传播）二. 模块详解2.1 论文思路简介这里以一张图像为例子：核心思想：(a)当前预测的正样本概率（scorescorescore）尽可能大于所有负样本的概率（scores

文章目录Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for一. 论文简介二. 模块详解2.1 谈谈分布2.2 分类Loss2.3 回归Loss三. 参考文献Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for一. 论文简介将目标检测Loss和评价指标统一，提升检测精度。这是一篇挺好的论文，下面会将