网站首页 smoothl1 第2页

• 

  ECCV2020 Oral | BorderDet用边界特征做检测

  本文解读的是ECCV2020论文《BorderDet:BorderFeatureforDenseObjectDetection》，作者来自旷视、西安交通大学。本文首发于知乎：https://zhuanlan.zhihu.co...

  2024-09-06 btikc 技术文章 9 ℃ 0 评论
• 

  细粒度物体检测算法的升级揭秘

  EasyDL是百度大脑的定制化模型训练和服务平台，用户通过EasyDL可以低成本地训练自己的深度学习模型，从而获得效果优异的定制化AI服务。自上线以来，EasyDL的用户规模和使用场景迅速增长，也收到了深度学习业内人士的赞赏和青睐。在众多模...

  2024-09-06 btikc 技术文章 7 ℃ 0 评论
• 

  GID:旷视提出全方位的检测模型知识蒸馏 | CVPR 2021

  论文提出的GID框架能够自动选择可辨别目标用于知识蒸馏，而且综合了feature-based、relation-based和response-based知识，全方位蒸馏，适用于不同的检测框架中。从实验结果来看，效果十分不错，值得一看...

  2024-09-06 btikc 技术文章 8 ℃ 0 评论
• 

  GWD:基于高斯Wasserstein距离的旋转目标检测 | ICML 2021

  ?论文详细描述了当前旋转目标检测的主要问题，提出将旋转回归目标定义为高斯分布，使用Wasserstein距离度量高斯分布间的距离用于训练。目前，常规目标检测也有很多将回归转化为概率分布函数的做法，本文有异曲同工之妙，值得阅读...

  2024-09-06 btikc 技术文章 9 ℃ 0 评论
• 

  CVPR 2019:精确目标检测的不确定边界框回归

  本文由AI科技评论读者BBuf投稿来稿见文末说明大规模的目标检测数据集(例如MS-COCO)在进行GroundTruth框标注时仍然存在歧义。这篇论文提出了新的边界框回归损失针对目标框的移动以及位置方差进行学习，这种方法在几乎不增加计...

  2024-09-06 btikc 技术文章 9 ℃ 0 评论
• 

  深度学习中衡量形状差异的损失函数

  深度学习中，衡量形状差异的损失函数可以帮助我们评估模型预测结果与真实结果之间的差距。有许多损失函数可用于衡量形状差异，以下是一些常见的例子：均方误差损失（MeanSquaredError,MSE）：计算预测值与实际值之间的平方差，并取...

  2024-09-06 btikc 技术文章 12 ℃ 0 评论
• 

  基于关键点的目标检测

  01前言：基于锚点的目标检测方法在基于关键点（keypoints）的目标检测方法出现之前，主流目标检测方法一般先设置一些预先定义好的锚点（anchorboxes）。作为预测物体框的参考，神经网络只需要预测实际的物体框相对于这些锚...

  2024-09-06 btikc 技术文章 10 ℃ 0 评论
• 

  一种用于目标检测的双加权标签分配方案

  论文收录于CVPR2022，现有标签分类方案计算出正样本的权重后，负样本权重直接1-正样本权重，本文认为应该重新计算负样本权重，体现正负样本的差异性...

  2024-09-06 btikc 技术文章 7 ℃ 0 评论
• 

  SSD单次多框目标检测器

  SSD（SingleShotMultiBoxDetector）原文分享摘要我们提出了一种使用单个深层神经网络检测图像中目标的方法。我们的方法，名为SSD，将边界框的输出空间离散化为一组默认框，该默认框在每个特征图位置有不同的宽高比和尺...

  2024-09-06 btikc 技术文章 9 ℃ 0 评论
• 

  最新成果!极坐标-点云梦幻联动，实现3D目标检测的最佳性能

  作者：大森林|来源：3DCV在公众号「3DCV」后台，回复「原论文」可获取论文pdf添加v：dddvision，备注：自动驾驶，拉你入群。文末附行业细分群...

  2024-09-06 btikc 技术文章 9 ℃ 0 评论