Deep High-Resolution Representation Learning for Human Pose Estimation
CVPR-2019 Deep High-Resolution Representation Learning for Human Pose Estimation
Adaptive NMS Refining Pedestrian Detection in a Crowd
CVPR-19 oral Adaptive NMS Refining Pedestrian Detection in a Crowd
Pillow Tutorial
Pillow 教程
Focal Loss for Dense Object Detection
本文代码：https://github.com/facebookresearch/Detectron
本文主要解决在one-stage的密集检测器中，大量前景和背景不平衡的问题。作者通过降低被很好分类样本的权重来解决类别不平衡的问题。Focal Loss集中于在稀疏难样本(hard examples)上的训练，并且在训练中防止大量的容易的反例(easy negatives)淹没检测器。
- 提出Focal Loss, 解决正负样本不平衡问题;
- 提出one-stage检测模型，RetinaNet。
Docker 安装与使用
Posted on
Edited on
Docker 安装与使用
Conda使用指南
Python环境管理工具
[MLIA] Logistic Regression
Logistic Regression And Code
CornerNet: Detection Objects as Paired Keypoints
前言
CornerNet: Detection Objects as Paired Keypoints 这篇论文发表在ECCV2018，本人感觉非常有意思，所以和大家分享一下。
Arxiv: https://arxiv.org/abs/1808.01244 Github: https://github.com/umich-vl/
| ### 介绍 |
| 传统的目标检测都是给出紧致的候选框，本论文独具匠心，通过一对关键点（目标的左上角和右下角）来检测一个目标框。通过检测关键点的这种方式，可以消除利用先验知识设计anchor boxes这个需求。作者提出角点池化（corner pooling），角点池化可以帮助网络更好的定位角点。最终实验表明，CornerNet在MS COCO数据集上实现了42.1%的AP，优于所有现存的单级(one-stage)检测器。 |
行人检测（Pedestrian Detection）论文整理行人检测（Pedestrian Detection）论文整理，包含论文链接和代码地址。
0%
|