Wincher's blog

摘要 本文提出了一种称为Hierarchical-Split块的表征块，它可以作为一种即插即用的块对现有卷积神经网络进行升级，显著提高了网络中的模型性能。层次分割块包含许多层次分割和连接连接在一个单一的残留块。我们发现多尺度特征对于众多的视觉任务是非常重要的。 如图1所示，是准确率和延时之间的比较。圆的大小表示参数量。橙色表示不同的提升策略，绿色表示用不同的注意力机制。红色是我们设计的，蓝色是大的ResNet。 引言 如何去改进网络结构从而提高CNN的表征能力？ 一张特征图被分为S组，每一组有W通道。如图

摘要 给定一个中间特征图，我们的模块将沿着通道和空间两个独立的维度依次推断出注意力图，然后将注意力图乘以输入特征图进行自适应特征细化。 引言 为了提高CNN的性能，最近的研究主要研究了网络的三个重要因素：深度、宽度和基数（cardinality）。 出了上述三种因素，我们探究了网络架构设计的另一方面：注意力机制。专注于重要的特性并抑制不必要的特性。 相关工作 网络工程。加深网络渐近饱和，由于梯度传播较为困难。 ResNet采用跳层连接来解决此问题。 基于ResNet， WideResNet提出了一种具有较

摘要 传统目标检测将物体定义为沿着坐标轴的边界框，对所有可能的物体进行穷举搜索，再进行分类。这种方法耗时耗力，且需要额外的后处理过程。本文将物体建模为单个点——边界框的中心点，用关键点估计找到中心点，并且回归输出物体其他属性，如：尺寸，3D位置，旋向，甚至位姿。本文方法称为CenterNet，一种端到端具有多种优点的目标检测方法，达到了速度与准确率的平衡。 引言 目标检测很重要，为许多后续任务提供支撑（实力分割、位置估计等）。在监控、自动驾驶等领域有广泛应用。传统目标检测将物体定义为沿着坐标轴的边界框，对所