xiaoxiang_AQ 的博客

来自小米研究院的文章。主要介绍了一种优秀的人脸检测技术：采用hard negative mining想法，反复通过背景得到的hard negatives，对Faster RCNN的人脸检测算子进行更新。通过FDDB数据集的验证，该方法效果显著。Related Work：Hard Negative Mining 开始是用在选择function approximation learni

CVPR2016的文章，CMU与rbg大神的合作。原谅我一直没有对这篇文章做一个笔记~~文章提出了一种通过online hard example mining（OHEM）算法训练基于区域的卷积检测算子的高效目标检测算法，能够对简单样本和一些小数量样本进行抑制，使得训练过程更加高效。该方法利用显著的bootstrapping技术（SVM中被普遍利用），对SGD算法进行一定的修改，使得原有的reg

这篇论文主要采用“位置敏感度图”的方法，将FCN 网络引入到目标检测中来，将图像分类和目标检测很好地结合。因此这种方法可以和很多FCN中的图像分类框架结合，比如ResNets等，使其应用到目标检测中来。本文实验了101层的ResNet在VOC数据下结果，取得了mAP 83.6%和 速度 170ms一张图的结果（速度比Faster RCNN快）。

本篇博客主要以介绍MS COCO数据集为目标，分为2个部分：COCO介绍，数据集分类和COCO展示。本人主要下载了其2014年版本的数据，一共有20G左右的图片和500M左右的标签文件。标签文件标记了每个segmentation的像素精确位置+bounding box的精确坐标，其精度均为小数点后两位。一个目标的标签示意如下：{"segmentation":[[392.87, 27

当我决心认真地看Faster R-CNN代码的时候，我就觉得有必要把 Fast R-CNN的论文的细节再从新完整地看一遍了。对，是细节，如何实现的部分，于是有了此篇博客。请注意是 Fast R-CNN笔记。

2016_CVPR 文章：You Only Look Once：Unified, Real-Time Object Detection作为深度学习大神 rbg 的又一篇 2016CVPR 论文，迫不及待地学习了，与大家分享1、思路 Overview of YOLORecentapproaches like R-CNN ：YOLO detection：A

Facebook AI Research 的文章，刚刚开源到github。其开源代码主要来自于两篇文章，想学习一下这个代码，还是先把出处的两篇文章看完吧。 经典的目标检测系统主要包括两个部分：提取proposal、将每一个候选proposal输入进行目标分类。本文则提出另一种思路：基于discriminative convolutional network的方法。该模型将两个部分进行合

Facebook AI Research 的文章，刚刚开源到github，代码： https://github.com/facebookresearch/deepmask 。其开源代码主要来自于两篇文章，想学习一下这个代码，还是先把出处的两篇文章看完吧。接上文（一），该论文的主要思想是将deep-network结构的segmentation与object detection结合，其实验

Facebook一起开源的3个程序之一，MultiPath，其代码网址：https://github.com/facebookresearch/multipathnet。文章简介：这篇文章对于COCO数据集中的小目标难检测问题，主要在Fast RCNN detector的基础上进行了改进，获得了新的detector：MultiPath detector。思想上改进如下：（1）在

最新看到的一篇关于多尺度下快速目标检测的论文，大概得浏览了一下，是UCSD大学的SVCL实验室和IBM研究院一起研究的结果。其代码已经开源到GitHub，链接为：https://github.com/zhaoweicai/mscnn这篇文章主要解决多尺度同时存在时的检索问题，设计了MSCNN网络，提出了两点创新：（1）针对多尺度问题：   类似于FCNT跟踪方法，该文章也是观察

今天注意到同组小伙伴写的YOLO的笔记，十分详细，内容丰富，特地和他说了后转载，留着自己也学习一下。相比我之前介绍的YOLO笔记，他的介绍更适合仔细学习，而我原来的适合整体了解。同时，许多训练时的情况的加入，也便于大家的交流学习。原博客地址：http://blog.youkuaiyun.com/u010167269/article/details/52457723 欢迎大家和他或者和我交流~Prefa

话不多说开始总结，作为新一个快速高效的目标检测算法，SSD结合了Faster RCNN和YOLO 算法。本文主要提出的贡献有以下几点：（1）提出SSD算法，比YOLO算法更加迅速，同时和速度较慢的运行region proposal与pooling的算法的精度一样好（包括faster R-CNN） （2）SSD算法的核心是通过使用在特征图上的小卷积滤波器，来预测类别置信度和一系列有误差的boundi

提出的HyperNet网络基于设计的Hyper特征，这种特征主要先集合分等级的特征图，然后将其压缩到一个空间。这种Hyper特征同时具有足够深和很好的语义信息，在PASCAL VOC 2007和2012上可以通过每张图产生仅仅100个proposal，而达到很好的精度和效果，同时可以达到实时，GPU下 5 fps的速度。Hyper方法主要的贡献有： （1）在仅仅 50 proposal情况下，可达

为了目标检测精度和速度的进一步提高，在CVPR2016上各种算法可谓各显神通。今天要说的G-CNN就和YOLO算法类似，着重于速度的提升进行检测算子的改进。而与YOLO不同的是，改算法着眼于初始化proposal数量的减少，使得数以万计的proposal变成极少的初始格网，通过后面不停迭代获得最终较为准确的bbox。

ECCV 2016的文章，首先建立了一个从上到下照的车辆影像数据集（即鸟瞰视角），并提出ResCeption神经网络进行训练，进一步建立residual learning with Inception-style layers，进行车辆数目的计算。该方法为车辆数目的计算的一种新方式：通过定位和密度估计方法。

anchors作为产生proposal的rpn中的一个重点内容，在Faster R-CNN中被重点介绍，下面我们来学习一下anchors产生部分代码。我主要将其中的部分重点代码展示出来。代码引用自Shaoqing Ren的Matlab下Faster R-CNN。

1、准备正负样本首先需要对自己要训练的样本进行准备。样本的准备主要分为两部分：样本+样本描述文件。这里的样本为机器学习类样本，类似imagenet比赛的分类数据样本，一张一张图直接是一个个截取的目标。正样本最好统一大小，尽量resize到比较小的分辨率，训练时候更快消耗内存更少。我这里由于是现有Faster RCNN训练下的样本，有图片和其对应目标位置的xml文件，因为针对xml文件，编写