原创 視頻理解資源彙總----持續更新

綜述類 視頻理解研究 https://blog.csdn.net/jiafeier_555/article/details/85062458 計算機視覺視頻理解領域的經典方法和最新成果 https://baijiahao.baid

原创 圖像分類資源彙總----持續跟新

①ResNet最強改進版來了!ResNeSt:分散-注意力網絡 ResNeSt-50在ImageNet上實現了81.13%的top-1,簡單地用ResNeSt-50替換ResNet-50,可以將MS-COCO上的FasterRCN

原创 目標檢測資源彙總--持續更新

①實戰項目 支持剪枝、量化和知識蒸餾的YOLOV3 【特性】 1、提供多個主流目標檢測數據集的預處理後文件及訓練方法。 2、提供包括剪枝,量化,知識蒸餾的主流模型壓縮算法實現。 3、提供多backbone訓練目前包括Darknet

原创 經典分類模型(七):ResNext(2017)

Aggregated Residual Transformations for Deep Neural Networks----2017ResNext Abstract 我們提出了一種用於圖像分類的簡單,高度模塊化的網絡體系結構。

原创 (十)RefineDet----2018CVPR論文解讀

Single-Shot Refinement Neural Network for Object Detection 用於目標檢測的單發細化神經網絡 Abstract 對於物體檢測,兩階段方法(例如,更快的R-CNN)已經實現了最

原创 (一)MobileNet_v1----2017論文解讀

MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications MobileNets:用於移動視覺應用的高效卷積神經網絡 Abs

原创 (五)SSD----2016ECCV論文解讀

SSD: Single Shot MultiBox Detector 摘要 我們提出了一種使用單個深層神經網絡檢測圖像中對象的方法。我們的方法,名爲SSD,將邊界框的輸出空間離散化爲一組默認框,該默認框在每個特徵圖位置有不同的寬高

原创 (十二)GA-RPN----2019CVPR論文解讀

Region Proposal by Guided Anchoring 指導性錨定的區域提案 Abstract 區域錨點是現代對象檢測技術的基石。最先進的探測器主要依靠密集的錨定方案,在該方案中,使用一組預定義的比例尺和縱橫比在空

原创 (八)Mask Rcnn----2017ICCV論文解讀

Mask R-CNN Abstract 我們爲對象實例分割提供了一個概念上簡單,靈活且通用的框架。我們的方法有效地檢測圖像中的對象,同時爲每個實例生成高質量的分割蒙版。**該方法稱爲“Mask R-CNN”,它通過與現有的用於邊界

原创 (九)YOLOv3----2018CVPR論文解讀

YOLOv3: An Incremental Improvement YOLOv3:增量改進 Abstract 我們向YOLO提供一些更新! 我們做了一些小的設計更改以使其更好。 我們還培訓了這個相當龐大的新網絡。 比上次要大一點

原创 經典分類模型(五):Inception_v2_v3(2015)

Rethinking the Inception Architecture for Computer Vision----2015_inception_v2v3 Abstract** **卷積網絡是用於各種任務的大多數最新計算機視

原创 經典分類模型(三):GoogleNet_Inception_v1(2014CVPR)

Going deeper with convolutions_GoogleNet_Inception v1_2014CVPR 總結 **顯然通過使用一種稀疏的層次結構而非使用像FC/Conv這樣的全級聯式的結構有助於計算開銷的降低

原创 (七)FPN----2017CVPR論文解讀

Feature Pyramid Networks for Object Detection 用於目標檢測的特徵金字塔網絡 Abstract 特徵金字塔是識別系統中用於檢測不同比例物體的基本組件。但是最近的深度學習對象檢測器避免了金

原创 (三)SegLink----2017ECCV論文解讀

Detecting Oriented Text in Natural Images by Linking Segments 利用鏈接段檢測自然圖像中的定向文本 Abstract 大多數最先進的文本檢測方法都是專門針對水平拉丁文文本

原创 經典分類模型(四):ResNet(2015CVPR)

Deep Residual Learning for Image Recognition-------ResNet_2015CVPR 深度殘差學習用於圖像識別 摘要 越深的神經網絡訓練起來越困難。本文展示了一種殘差學習框架,能夠簡