原创 pytorch總結學習系列—pytorch環境安裝(Windows版本)

1、Anaconda 安裝 https://www.anaconda.com/  Anaconda 是一個包管理器,有了它就可以安裝好python解釋器環境 2、pytorch安裝 https://pytorch.org/ pytorch

原创 pytorch總結學習系列-操作

算術操作 在PyTorch中,同一種操作可能有很多種形式,下⾯用加法作爲例⼦。 加法形式⼀ x = torch.tensor([5.5, 3]) y = torch.rand(5, 3) print(x + y) 加法形式⼆ print(

原创 基於區域注意的通用目標檢測

                                    Towards Universal Object Detection by Domain Attention Xudong Wang1, Zhaowei Cai1,

原创 精確的目標檢測中定位置信度的獲取

Borui Jiang∗1,3, Ruixuan Luo∗1,3, Jiayuan Mao∗2,4, Tete Xiao1,3, and Yuning Jiang4 1School of Electronics Engineering a

原创 SSD改進CFENet

https://arxiv.org/abs/1806.09790v1  圖3。CFENet的體系結構及其新模塊CFE。(a) 輸入尺寸爲300×300的CFENet的拓撲結構。(b) CFE模塊的層設置,每個框代表一個conv+bn+r

原创 LFFD:一種用於邊緣檢測的輕量化快速人臉檢測器

LFFD: A Light and Fast Face Detector for Edge Devices 原文地址:https://arxiv.org/pdf/1904.10633.pdf Y onghao He∗1,2, Dezhon

原创 距離IoU損失:包圍盒迴歸更快更好的學習(Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression)

Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression Zhaohui Zheng1, Ping Wang1, Wei Liu2, Jinze L

原创 pytorch總結—自動求梯度

對函數求梯度(gradient)。PyTorch提供的autograd 包能夠根據輸⼊和前向傳播過程自動構建計算圖,並執⾏行反向傳播。  Tensor 是這個包的核心類,如果將其屬性 .requires_grad 設置爲 True ,它將

原创 anchor free yolov1

1. YOLO的核心思想 YOLO的核心思想就是利用整張圖作爲網絡的輸入,直接在輸出層迴歸bounding box的位置和bounding box所屬的類別。 沒記錯的話faster RCNN中也直接用整張圖作爲輸入,但是faste

原创 檢測器:用遞歸特徵金字塔和可切換的阿託洛斯卷積檢測物體

Abstract 許多現代的目標探測器都採用了“三思”機制,表現出了優異的性能。本文將此機制應用於目標檢測的主幹設計中。在宏層次上,我們提出了遞歸特徵金字塔,它將來自特徵金字塔網絡的額外反饋連接合併到自下而上的主幹層中。在微觀層面上,我們

原创 Squeeze-and-Excitation Networks(擠壓和激勵網絡)

Squeeze-and-Excitation Networks ie Hu[0000−0002−5150−1003] Li Shen[0000−0002−2283−4976] Samuel Albanie[0000−0001−9736−5

原创 輕量級人臉檢測算法實現專題之LFFD:A Light and Fast Face Detector for Edge Devices

LFFD:A Light and Fast Face Detector for Edge Devices Github star:919 參數量:6.1 M 一筐款通吃大小目標、支持各種設備的人臉檢測器 paper:https://arx

原创 Focal Loss for Dense Object Detection(密集目標檢測中的焦距損失)

                 Focal Loss for Dense Object Detection  原文鏈接:https://arxiv.org/pdf/1708.02002.pdf 作者信息:                

原创 SSD: Single Shot MultiBox Detector

https://arxiv.org/pdf/1512.02325.pdf Wei Liu1, Dragomir Anguelov2, Dumitru Erhan3, Christian Szegedy3, Scott Reed4, Che