Single-Shot Refinement Neural Network for Object Detection
问题 两阶段的 Faster-RCNN 精度高但是速度较差, SSD 单阶段检测精度比SSD略差, 但是速度快 两阶段和单阶段各自的有点如何结合? 方法 将二分类的RPN和SSD的多分类安排在同一个网络上, Anchor Refine Module(Figure 1 上半部分)进行前景背景分类,...
2020, May 07 — 1 minute read问题 两阶段的 Faster-RCNN 精度高但是速度较差, SSD 单阶段检测精度比SSD略差, 但是速度快 两阶段和单阶段各自的有点如何结合? 方法 将二分类的RPN和SSD的多分类安排在同一个网络上, Anchor Refine Module(Figure 1 上半部分)进行前景背景分类,...
2020, May 07 — 1 minute readPaper: Zhu et al., “Seeing Small Faces from Robust Anchor’s Perspective.” 问题 作者认为对于一般的人脸, 小而浅的网络的特征就足够区分人脸和背景, 问题在于...
2020, May 06 — 1 minute read问题 普通的 Anchor 设置难以保证小人脸和 Anchor 之间的重叠率, 导致训练难度大, 小人脸效果差 方法 建模: 人脸和 Anchor 之间的期望最大重叠率(Expected Max Overlapping...
2020, May 04 — 1 minute read新增关键字(keywords) concept requires constinit consteval co_await co_return co_yield char8_t 新增标识符(Identifies) import module 模块(Modules) 优点 没有头文件...
2020, May 01 — 18 minute readPaper: Y. Chen et al., “Stitcher: Feedback-driven Data Provider for Object Detection,” arXiv:2004.12432 [cs], Apr....
2020, Apr 30 — 1 minute read传统机器学习算法靠脑力, 深度学习时代靠算例, 数据时代靠财力. – 佚名 Paper: https://arxiv.org/abs/2003.13989 Code: https://github.com/zhuhao-nju/facescape 人脸三维重建的目的可以概括为两方面, 一方面对于人脸进行高精度的重建, 包括身份, 姿态, 表情, 纹理,...
2020, Apr 06 — 1 minute read基本思路: 传统方法: 线索->构造特征 深度方法: 线索->构造算子/网路 论文 Deep Spatial Gradient and Temporal Depth Learning for Face...
2020, Apr 04 — 3 minute read剖析作者是怎么想的, 闻其道; 学习作者是如何做的, 得其术! —— 佚名 Paper: http://arxiv.org/abs/1911.09070 Code: https://github.com/google/automl/tree/master/efficientdet 论文围绕两个问题进行展开: 如何更有效地融合多尺度特征 如何伸缩模型 概括下来, 作者通过更有针对性的尺度间特征得连接和通过加权实现软融合,...
2020, Apr 04 — 1 minute read