[Reading] Mask R-CNN

Mask R-CNN (2017/3) 1. 概述   文章的主要贡献有: 提出了一种实例分割的简单方法:在 Faster R-CNN 上添加了一个平行于边界框预测、用于预测目标 mask 的分支,在每个 RoI(Region of Interest)上使用 FCN(Fully Convolutional Network)来预测 mask,如 Figure 1 所示。同时对 m…
Read more

[Reading] Objects as Points

Objects as Points (2019/4) 1. 概述   文章的主要贡献有: 提出了一种用点来表示目标的方法,将目标检测问题转化为关键点估计问题。 提出了 CenterNet 目标检测算法,将目标看成是一个点,即边界框的中心,通过对关键点的估计找到目标中心,再通过归回得到目标的尺寸、3D 位置、方向、姿态等其他属性,具有很强的泛用性。CenterNet 端到端可微,…
Read more

[Reading] YOLOv3: An Incremental Improvement

YOLOv3: An Incremental Improvement (2018/4) 1. 概述   文章进一步对 YOLO 进行了改进,提出的 YOLOv3 稍微增大了模型体积,让模型更加准确,同时保证了速度。 Figure 1 2. 改进 2.1. 边界框预测   YOLOv3 的边界框预测方法和 YOLO9000 相同,使用维度聚类找到了一系列锚点框…
Read more

[Reading] YOLO9000: Better, Faster, Stronger

YOLO9000: Better, Faster, Stronger (2016/12) 1. 概述   文章的主要贡献有: 使用一系列方法对 YOLO 进行了改进,提出了名为 YOLOv2 的模型,在获得高 mAP 的同时速度也非常快,并能适应不同分辨率的图像,可以在速度和准确率之间进行取舍。 提出了一种联合目标检测和图像分类的训练的方法,通过同时使用 COCO 检测数据集和…
Read more

[Reading] SSD: Single Shot MultiBox Detector

SSD: Single Shot MultiBox Detector (2015/12) 1. 概述   文章的主要贡献有: 提出了一种快速的单次(single-shot)目标检测器,称为 Single Shot Detector(SSD)。SSD 使用单个网络进行目标检测的方法,方法简单,易于训练,速度很快,同时也具有相当的准确度。 通过在多个特征图上输出多尺度的边界框,实现…
Read more

[Reading] You Only Look Once: Unified, Real-Time Object Detection

You Only Look Once: Unified, Real-Time Object Detection (2015/6) 1. 概述   文章的主要贡献有: 将目标检测问题看成是对边界框和类别概率的回归问题,提出了可以同时对边界框和类别概率进行预测的网络架构,称为 YOLO(You Only Look Once)。由于整个流水线只有单个网络,可以端到端地进行优化,且预测…
Read more