circle的专栏

一、作者二、方法概括 本文提出一种新的边缘检测算法HED(holistically-nested edge detection)，有两个特点：1整图进行训练和预测；2多尺度多层次特征学习。 利用全卷积网络(FCN)和deeply-supervised nets(DSN)，自动学习丰富的层次化表达。在BSD500(0.782)和NYU Depth(0.746...

一、作者二、方法概括 本文提出一种准确的边缘检测方法，使用丰富的卷积特征richer convolutional features(RCF)。使用VGG16网络，取得state-of-the-art性能，在BSDS500数据集，获得ODS 0.811，125ms每幅，超过人类性能（ODS 0.803）。此外，我们有个加速版本，33ms每幅，ODS 0.806。三、创新点和...

一、作者二、摘要提出一种端到端可训练Fast Oriented Text Spotting网络，同时检测识别。RoIRotate共享检测和识别的卷积特征。本方法没有重复计算消耗，并学习到更多通用特征，因此优于two-stage方法。在ICDAR2015、ICDAR2017MLT和ICDAR2013达到state-of-the-art。达到实时的任意方向text spotting，22....

【CVPR2017 Best Paper】Densely Connected Convolutional Networks作者摘要近年研究表明，如果卷积网络中，输入周围的层与输出周围的层有更短的连接，那么网络可以更深、更准确、训练更高效。本文根据这个观察，提出Dense Convolutional Network(DenseNet)，在前馈中每一层都与其他层相连。传统卷积网络，L层有L...