learn, build, evaluate
Feature Pyramid Networks for Object Detection (2016/12) 1. 概述 文章的主要贡献有： 提出了一种自顶向下、带有横向连接（lateral connection）的网络架构，可以在多个尺度上构建包含高级语义的特征图，称为特征金字塔网络（Feature Pyramid Network，FPN），显著提高了通用特征的提取能力…
Read more
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
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
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks (2015/6) 1. 概述 文章的主要贡献有： 提出了 Region Proposal Network（RPN），通过共享检测网络的卷积特征，可以几乎零成本地生成候选区域。RPN 是一种全卷积网络，可以同时预测对象的…
Read more
Fast R-CNN (2015/4) 1. 概述 文章的主要贡献有： 提出了一种能够更高效地对候选区域中的目标进行分类的深度卷积神经网络，称为 Fast R-CNN（Fast Region-based Convolutional Network），使用了多种方法来提高训练/测试的速度和检测的准确度。 提出了 RoI（region of interest）池化，从特征图中为…
Read more
Rich feature hierarchies for accurate object detection and semantic segmentation (2013/11) 1. 概述 文章的主要贡献有： 提出了一种将卷积神经网络（CNN）用于目标检测的方法，称为 R-CNN（Regions with CNN features）。先通过 selective sear…
Read more