目标检测优化2021

最新推荐文章于 2026-04-17 10:52:09 发布
原创 最新推荐文章于 2026-04-17 10:52:09 发布 · 3.2k 阅读 · 1
标签
#深度学习 #机器学习 #pytorch
本文介绍了2021年目标检测领域的优化技术，包括Sparse R-CNN、Mix up、Label Smoothing、Cosine learning rate decay等，并探讨了数据增量策略、Synchronized Batch Normalization和Random Shapes Training在目标检测中的应用。此外，还提到了针对少样本检测的Dense Relation Distillation方法。文章提供了相关论文和开源代码链接。
了解本专栏 订阅专栏 解锁全文 超级会员免费看
Neighbor-Vote：使用邻近距离投票优化单目3D目标检测（ACM MM2021）
3D视觉工坊
07-13 396
名字：Neighbor-Vote: Improving Monocular 3D Object Detection through Neighbor Distance Voting链接：h...
7 种不同优化器的选择技巧（简版）
Warmer_Sweeter
11-15 3769
经验总结贴前言在机器学习中，当我们需要计算预测值和实际值之间的差距时，我们会使用所谓的损失函数（误差函数）。虽然损失函数计算单个预测与其实际值的差距，但成本函数通常更通用。成本函数通常是训练集上所有的损失函数的平均值加上一些正则化的总和。另一个经常被错误地用作前两个同义词的术语是目标函数，这是在训练期间优化的任何函数的最通用术语。一旦弄清了正确的术语，我们就可以给出优化器的定义。机器学习中的优化器...
目标检测常用Optimizer及LearningRate的代码实现
wulele2的博客
03-12 1083
在本人阅读目标检测相关论文时，一直对论文中所介绍的优化器及学习率比较困惑，尤其在复写论文代码时，很可能会因参数对不齐而导致最终的复现结果大相径庭。因此，本文旨在记录相关论文在中所使用的优化器及其code实现。（本文不定时更新…）在mmdetection中retinanet的优化器包含两部分：优化器：sgd；学习率调整器包含warmup（热身500个it额rationo），并在第9轮和第12轮时学习率以指数的形式衰减0.1倍。
【目标检测实战】—— 从55.55%到69.02%：Faster R-CNN模型mAP调优全记录
最新发布
weixin_42528974的博客
04-17 87
本文详细记录了Faster R-CNN模型在目标检测任务中mAP从55.55%提升至69.02%的调优全过程。通过系统调整学习率、Batch Size、IoU阈值等关键参数，结合数据增强和损失函数优化，显著提升了模型性能。文章深入分析了深度学习模型调优的策略与技巧，为相关实践提供了宝贵参考。
目标检测 | 解决小目标检测！多尺度方法汇总
AI算法修炼营的博客
05-13 1万+
点击上方“AI算法修炼营”，选择“星标”公众号精选作品，第一时间送达传统的图像金字塔最开始在深度学习方法流行之前，对于不同尺度的目标，大家普遍使用将原图构建出不同分辨率的图像金字塔，再对...
AAAI 2021中的目标检测（详细版with code）
我爱计算机视觉
02-01 4574
本文转自知乎，已获作者张泽今授权转载，请勿二次转载。原文链接：https://zhuanlan.zhihu.com/p/345472885本篇文章来介绍一下 AAAI 2021 会议录取...
CVPR 2021 目标检测论文大盘点（65篇论文）
热门推荐
阿木寺的博客
07-01 2万+
前言 一共搜集了65篇2D目标检测论文，涉及：通用目标检测、旋转目标检测、Few-shot/自监督/半监督/无监督目标检测等方向。 作者：Amusi | 来源：CVer CVer 正式盘点CVPR 2021上各个方向的工作，本篇是热度依然很高的2D目标检测论文大盘点，之前已分享： 最新！CVPR 2021 视觉Transformer论文大盘点（43篇） 最新！CVPR 2021 OCR领域论文大盘点（22篇） 关于更多CVPR 2021的论文和开源代码，可见下面链接： CVPR2021 Papers wit
一文看尽 27 篇 CVPR2021 2D 目标检测论文
jacke121的专栏
07-12 3901
6月25日，CVPR 2021 大会结束，共接收了 7039 篇有效投稿，最终有 1366 篇被接收为 poster，295 篇被接收为 oral，其中录用率大致为 23.6%，略高于去年的 22.1%。 CVPR 2021 全部接收论文列表： https://openaccess.thecvf.com/CVPR2021?day=all 共分为33个大类，包含检测、分割、估计、跟踪、医学影像、文本、人脸、图像视频检索、三维视觉、图像处理等多个方向。Github项目地址： https://github.c
一文看尽 27 篇 CVPR 2021 2D 目标检测论文
3D视觉工坊
07-13 2345
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨二玖编辑丨极市平台导读本文对我们汇总的 CVPR 2021 检测大类中的2D目标检测领域的论文进行了盘点，将会依次阐述每篇论文...
CVPR2021 | 2D目标检测论文解读
Talk is cheap, show me the code!
08-22 3484
CVPR2021 | 2D目标检测论文解读1. UP-DETR:——《UP-DETR: Unsupervised Pre-training for Object Detection with Transformers(Oral)》2. OWOD——《Towards Open World Object Detection(Oral)》3. YOLOF——《You Only Look One-level Feature》4. DeFCN——《End-to-End Object Detection with Fu
CVPR2021：IoU优化——在Anchor-Free中提升目标检测精度（附源码）
gzq0723的博客
06-29 824
计算机视觉研究院专栏作者：Edison_G目前的anchor-free目标检测器非常简单和有效，但缺乏精确的标签分配方法，这限制了它们与经典的基于Anchor的模型竞争的潜力公众号ID｜C...
CenterNet2的深入浅出（CVPR2021）
ahhhhhh520的博客
08-06 1728
CenterNet2的深入浅出（CVPR2021）论文地址与代码主要贡献贡献解释 论文地址与代码 论文: https://arxiv.org/abs/2103.07461. 代码: https://github.com/xingyizhou/CenterNet2. 主要贡献 CenterNet2是2021年的一篇CVPR论文，这篇论文读起来比较费解，因为里面牵涉了比较深的数学知识，以至于网上也没有比较好的解说，不过还好，在经过了一系列的资料查找之后，我将尽我最大的能力将下面写得深入浅出一点。 该论文的主要贡
目标检测 YOLOF解读
12-04 185
众所周知，FPN和Focal Loss为单阶段目标检测和anchor-free目标检测做出了巨大贡献，但是YOLOF这篇论文指出FPN最成功之处在于将优化问题分治的策略而不是多尺度特征融合。从优化的角度来看，作者引入了一种解决该优化问题的替代方案而无需使用复杂的特征金字塔，只需要使用单层特征图。基于这个简单高效的方案，作者设计了You Only Look One-level Feature（YOLOF）检测框架。
主流网络模型之目标检测
suixin19890311的博客
02-25 1611
1.概述 1.2 目标检测的任务 目标检测任务就是找到图片中有哪些物体（分类）及它们的位置（坐标回归）。 1.3 目标检测的分类 1.one-stage和two-stage one-stage直接输出物体的类别概率和坐标，速度快，准确度较two-stage低。two-stage第一步是通过RPN（Region Proposal Network）生成候选区域，第二步对每个候选区域进行分类和回归得到最终结果。 出处：yolov4 2.anchor-based和anchor-free 对于an
公众号内容拓展学习笔记（2021.4.5）
xiaoxuebajie的博客
04-05 302
公众号内容拓展学习笔记（2021.4.5） ???? 今日要点 CVPR’21 Oral | 动态slimmable网络：高性能的网络轻量化方法！对比slimmable涨点5.9%！ ⭐️⭐️ 主要内容：DS-Net成功解决了以往动态网络剪枝（dynamic pruning）算法中硬件效率低下和计算浪费的问题 论文：Dynamic Slimmable Network GtiHub：https://github.com/changlin31/DS-Net 贝叶斯优化与结构化预测
【论文阅读】【3d目标检测】voxel RCNN
hgj1h的博客
04-09 3444
论文标题：Voxel R-CNN: Towards High Performance Voxel-based 3D Object Detection AAAI2021 香港中文大学 施老师的团队 本文是一个纯voxel的架构，作者讲这个故事主要是出于这么一个原因：位置精确的原始点对于高性能的3D目标检测并不重要，粗粒度的体素也足以完成高精度检测。 作者通过实验发现：3d卷积对于ap提升十分必要，所以基于bev的second 精度不尽人意。 且点与voxel的交互是很耗费时间的。 那么能不能设计一个完全基于
推荐：OTA——目标检测的最优传输分配算法
gitblog_00066的博客
05-27 569
推荐：OTA——目标检测的最优传输分配算法 在计算机视觉领域，目标检测是一项至关重要的任务，它要求从图像中识别并定位不同的对象。近年来，随着深度学习技术的发展，这一领域的研究取得了显著的进步。今天，我们要向您推荐一个创新的开源项目——OTA，即“Optimal Transport Assignment for Object Detection”，这是一个基于PyTorch的目标检测框架，旨在通过优...
CVPR 2021 预讲 · 华为诺亚专场，5 篇精华报告，覆盖NAS、蒸馏、检测和降噪
BAAIBeijing的博客
03-15 1009
国际计算机视觉与模式识别会议（CVPR）是计算机视觉领域三大顶会之一（另外两个分别为ICCV、ECCV）。作为计算机视觉领域一年一度的盛会，CVPR每年接收论文的情况，基本可以代表一年中计...
YOLOF论文整理(CVPR2021论文)
ahhhhhh520的博客
08-03 664
@TOC 论文地址和代码 论文: https://arxiv.org/abs/2103.09460. 代码: https://github.com/megvii-model/YOLOF. 主要贡献 这是2021年的一篇CVPR论文，该论文的主要贡献有如下几点： ●通过实验证明，金字塔模型(FPN)的主要作用不是多尺度特征融合，而是分而治之的解决思路。这一点目前几乎被整个行业误解，导致几乎所有的目标检测网络都把FPN加了进去。 ●提出单进单出编码器Dilated Encoder，并用这个编码器代替FPN，精度
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值