一份简短的深度学习笔记.pdf
深度学习 大神精简笔记 巩固强化基础 面试神器 各种基础知识强化 推理步骤 大神学习笔记 作者 朱鉴
面向高性能视频对象检测 Towards High Performance Video Object Detection 近年来,图像目标检测有了显著的进展。然而,视频对象检测虽然在实际场景中更具挑战性和重要性,但是很少受到关注。我们的方法扩展了已有的三种新技术,并将性能包络(速度精度折衷)稳步推进到高性能视频对象检测。
Object Detectionin Videos by High Quality Object Linking 视频对象的高质量对象链接检测
CornerNet Detecting Objects as Paired Keypoints CornerNet作为配对关键点检测对象 提出了CornerNet,一个新的对象检测方法在检测物体的包围盒作为一对特征点,左上角和右下角,使用一个单一的卷积神经网络,通过检测对象作为配对关键点,我们消除了设计一组在先前的单级检测器中常用的锚箱的需要。
Acquisition of Localization Confidence for Accurate Object Detection, 现代基于cnn的目标检测器依赖于包围盒回归和非最大抑制来定位对象。类标签的概率自然反映了分类的可信度,而本土化置信度却是不存在的。这使得适当的本地化包围盒在迭代回归过程中退化,甚至在NMS期间被抑制。在本文中,我们提出了IOU-网络学习来预测每个检测到的边界盒与匹配的地面真相之间的IOU。网络获得了定位的可信度,通过保持精确的定域包围盒,进一步改进了nms过程,提出了一种基于优化的包围盒细化方法,该方法将预测的loo描述为在ms-coco数据集上进行的有效实验,以及它与几种先进的目标探测器的兼容性和适应性。
IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE 本文描述了Faster R-CNN的运行原理及框架,实验数据及结论
来自2015 IEEE International Conference on Computer Vision 该论文详细描述了快速卷积神经网络的运行原理,框架构成,以及实际实验数据和结论
签到新秀
持续创作
创作能手
原力新人
分享达人