冷夏的专栏

截止日期：2019.6.26当前的检测算法可谓是人才辈出，我菜只能仰望。当前主流的模式主要分为三大类单阶段：代表有SSD、YOLO，retinanet。多阶段的：代表有Faster-Rcnn，Cascade RCNN。基于点的：代表有FCOS，FSAF一、单阶段单阶段的始于YOLO，其主要思想是通过在最后的feature上取anchor来获取最终的检测结果。ssd对其进行改进...

FeatureSelectiveAnchor-FreeModuleforSingle-ShotObjectDetection提出了一种简单有效的单镜头目标探测器的特征选择无锚(FSAF)模块。它可以插入具有特征金字塔结构的单热探测器。FSAF模块解决了传统基于锚点检测的两个局限性1)启发式引导特征选择;2overlap-based锚抽样。在培训过程中，我们动态地将每个实例分配到最合适的特性级别...

from： https://blog.youkuaiyun.com/Gentleman_Qin/article/details/84789249 论文名称：《 An Analysis of Scale Invariance in Object Detection – SNIP 》论文下载：https://arxiv.org/abs/1711.08189论文代码：...

from: https://blog.youkuaiyun.com/u014380165/article/details/82025507论文：Acquisition of Localization Confidence for Accurate Object Detection 论文链接：https://arxiv.org/abs/1807.11590这篇ECCV2018的文章个人非常喜欢，我们知道在...

From: https://blog.youkuaiyun.com/sinat_37532065/article/details/87385302Single-shot目标检测新模型，使用multi-level特征。作者机构：Qijie Zhao等，北京大学&阿里达摩院文章标题：《M2Det: A Single-Shot Object Detector based on Multi-Level ...

论文：Single-Shot Refinement Neural Network for Object Detection 论文链接：https://arxiv.org/abs/1711.06897 代码链接：https://github.com/sfzhang15/RefineDet对于目标检测网络，two-stages 精度高，one-stage速度快。 two-stages 第一...

from: https://blog.youkuaiyun.com/yeler082/article/details/79979265论文地址：Mask R-CNN论文源码：R-CNNCaffe版本：rbgirshick/rcnnFast R-CNNCaffe版本： rbgirshick/fast-rcnn Faster R-CNNCaffe版本: https://github.com/rbgirshick...

这篇文章解决了anchor手动生成的问题，其想法也很简单，在最近的论文中，产生了一种类似利用分割图的思想，比如FSAF，很有意思这篇文章就是利用如上的思想，原始框架如上图所示，不过是把原来的RPN改为Guide anchoring，都是产生anchor和原始特征图。Faster-RCNN是根据anchor产生的，该文则是直接预测每个点是否是anchor中心点。如下图所示：对于每个...

目标检测方法分为两大阵营，一类是以Faster RCNN为代表的两阶段检测的方法，一类是以SSD为代表的单阶段检测方法。两阶段方法在检测精度更出色，单阶段检测方法的Pipline则更简洁，速度更快，但是精度不如两阶段检测方法，一个原因是单阶段的检测方法受限于正负样本和简单困难样本的不均衡问题，导致训练效果不佳。为了解决这种不均衡的问题，有研究者提出了在线困难样本挖掘的方法(OHEM)，但是这个方法...

这篇文章让我很是疑惑，已经跑离作者的思路了，欧克，那我们先来看一下把， a模型是NL block ，即non-local ，我们前文讲过，意思就是通过操作 i 和 j 点的特征，来判断其是否应该相连，然后在乘加上 j 点的特征，最后得到 i 点卷积的结果。那wh*wh就表示相连关系啊。那我们来梳理一下啊，NL我们到底要个什么东西，很明显我们的要的是卷积的结果啊，而卷积的是 各个 j 点啊，类...

你以为的attention机制只有m(2）和m（3）吗？ 年轻；mmdetection(2)： DeformableConvNets(DCN)mmdetection(3)：Non-local Neural Networksok， 我们来分析一下，m（2）是啥，可变卷积，怎么搞的，增加偏移量啊。好，这是根据位置关系来确定attention。然后的m（3）呢。根据的使两个点的特征，这是根据特...

这是篇很有意思的文章，为什么呢，我们来分析一下，CNN是固定尺寸，大小，位置的卷积操作，但是很多情况下，图像的信息并不是固定尺寸的，然后dcn提出了，参见下文。https://blog.youkuaiyun.com/u014119694/article/details/93210130咋搞的呢，就是增加偏移量啊，我还是3x3的卷积，但是取不同位置，给他增加个偏移，是不是就很优秀啊，nonono，有更简单...

先来点干货，基于pytorch的代码： https://github.com/4uiiurz1DCN可以说是打破了传统的CNN，那到底是怎么搞的呢v1： https://arxiv.org/abs/1703.06211既然原始的只能提取特定区域，那我们给其加上个位移不就ok了那位移应该怎么加呢，简单啊，每个kernel不是3x3吗（常见），那就在添加9个位移变量，分别对应3x3的每个权重...

原文我就不贴了，说一下感受吧！从检测方法出来，自我感觉一直不协调，现有的方法如fast系列一直比较复杂，强大的神经网络应该是简单高效的，one-stage从yolo出来后感觉好了很多，但是在最后的map上做roi anchor一直感觉特别冗余，还好corner出来了，但其也存在的问题，不同的pool结构，还有总感觉这种方式怪怪的。然后FCOS出来了，完全感受到了高效和简单，在此膜拜一下大神，感...

From :https://blog.youkuaiyun.com/m0_37717568/article/details/70765691   《DSSD : Deconvolutional Single Shot Detector》[1]  2017年发表在CVPR上。    前身是《SSD: Single Shot MultiBox Detecto...

from：https://blog.youkuaiyun.com/wwwhp/article/details/83317738paper：Focal Loss for Dense Object Detectionlink：RetinaNet引言目前精度最高的目标检测器都是基于R-CNN结构衍生出来的two-stage目标检测方法，相反one-stage的探测器应用于目标可能位置的密集采样中，具有更快...

版权声明：本文由 水亦心 出品，转载请注明出处。 https://blog.youkuaiyun.com/shuiyixin/article/details/82533849 前言一、Abstract（概括）二、Introduction（介绍）三、Unified Detection（统一检测）1、Network Design（网络设计）2、Training（训练）3、Inference（...

翻译原文： https://blog.youkuaiyun.com/quincuntial/article/details/79132243#commentBox中文： http://noahsnail.com/2018/01/03/2018-01-03-Faster R-CNN论文翻译——中文版/主要提出RPN 网络，用来生成候选框...

Object detection via a multi-region & semantic segmentation-aware CNN model参考: https://blog.youkuaiyun.com/zimenglan_sysu/article/details/51317269一、Abstract提出了一种基于多区域深度卷积神经网络(CNN)的目标检测系统。由此产生的基于cnn的表...

原创： http://www.dengfanxin.cn/?p=403用于视觉识别的深度卷积网络空间金字塔池化方法Spatial Pyramid Pooling in Deep Convolutional Networks for Visual RecognitionKaiming He, Xiangyu Zhang, Shaoqing Ren, and Jian Sun摘要当前深度...

Scalable Object Detection using Deep Neural Networks作者：Dumitru Erhan,Christian Szegedy, Alexander Toshev等发表时间：2013Abs...

OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks部分翻译：提出了一种利用卷积网络进行分类、定位和检测的综合框架。我们展示了一个多尺度和滑动窗口的方法可以有效地实现在一个ConvNet。我们还介绍了一种新的深度学习方法，通过学习预测对象的边界来定位。然后，为了增加检测...

yolo2 最重要的就是框的设计和loss的设计，前言这里汇总三篇博客，作为对本篇博客的基础。https://blog.youkuaiyun.com/ChuiGeDaQiQiu/article/details/81229245：https://blog.youkuaiyun.com/xueyingxue001/article/details/72831551该博客给出了具体的源码，但没有losshttps...

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.youkuaiyun.com/u012905422/article/details/52664918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...

Adaptive Object Detection Using Adjacency and Zoom Prediction在本文中，我们建议使用一种自适应地将计算资源定向到可能包含对象的子区域的搜索策略。与基于固定锚点位置的方法相比，我们的方法自然适合对象实例稀疏且小的情况。我们考虑以下自适应搜索策略。我们的算法不是先固定一组锚区域，而是从整个图像开始。然后递归地将图像划分为子区域(参见图2)...

文章作者：Tyan 博客：noahsnail.com  |  优快云  |  简书声明：作者翻译论文仅为学习，如有侵权请联系作者删除博文，谢谢！翻译论文汇总：https://github.com/SnailTyan/deep-learning-papers-translationFeature Pyramid Networks for Object...

yolo系列介绍好文章httpswwwcnblogscommakefilepyolov3html">yolo系列介绍好文章：https://www.cnblogs.com/makefile/p/YOLOv3.htmlYOLOv3: An Incremental Improvement(一项渐进式的更新) ...

论文：YOLO9000:Better, Faster, StrongerAbstract们介绍YOLO9000，一个最先进的，实时目标检测系统，可以检测超过9000个目标类别。首先，我们提出对YOLO检测方法的各种改进方法，包括新颖的和从以前的工作中得出的。改进的模型YOLOv2在如PASCAL VOC和COCO标准检测任务是最先进的。使用一种新...

难点转自： https://blog.youkuaiyun.com/qq_30622831/article/details/81455550https://blog.youkuaiyun.com/qq_30622831/article/details/81459407理解难点：R-FCN结构的优点R-FCN要解决的根本问题是Faster R-CNN检测速度慢的问题，速度慢是因为ROI层后的结构对不同的propos...

From ：https://blog.youkuaiyun.com/wfei101/article/details/79888594注意：如需编译配置SSD-caffe请参看博主博文：http://blog.youkuaiyun.com/xunan003/article/details/78427446SSD: Single Shot MultiBoxDetector Wei Liu1 , Drag...

论文地址Introduce本篇论文是Facebook AI的工作，作者改进了目标检测的方法，在COCO数据集上进行实验，相比Seletive Search方法的fast R-CNN，将实验效果进一步提升了66%，在小物体上提高了4倍。作者的改进主要在以下三点：使用skip connections 融合多层的信息。使用foveal structure 考虑物体的上下文信息。使用integ...

CRAFT Objects from Imagesintro: CVPR 2016. Cascade Region-proposal-network And FasT-rcnn. an extension of Faster R-CNN project page: http://byangderek.github.io/projects/craft.html arxiv:&nbsp...

Towards Accurate Region Proposal Generation and Joint Object Detection原文： https://blog.youkuaiyun.com/u012905422/article/details/52614192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...

Inside-OutsideNet: DetectingObjectsinContextwithSkipPoolingand RecurrentNeuralNetworks思路清楚，select search 方法提取候选框，然后提取不同层的信息，特别注意的是最后一层之前用RCNN提取上下文信息。众所周知，语境和多尺度表征对于准确的视觉识别非常重要。本文介绍了一种利用感兴趣区域内外信息的内-外...

该系列为https://github.com/hoya012/deep_learning_object_detection检测论文介绍