精华内容
下载资源
问答
  • 编辑:AmusiDate:2019-07-16微信公众号:CVer 和 OpenCV大本营原文链接:大盘点 | 性能最强的目标检测算法前言趁最近目标检测(Object Detection)方向的论文更新较少,Amusi 赶紧做个"最强目标检测算法"大盘点。...

    28ae42c4d0f9cb611dd2d215c3348136.png
    编辑:Amusi
    Date:2019-07-16
    微信公众号:CVer 和 OpenCV大本营
    原文链接:大盘点 | 性能最强的目标检测算法

    前言

    趁最近目标检测(Object Detection)方向的论文更新较少,Amusi 赶紧做个"最强目标检测算法"大盘点

    amusi/awesome-object-detectiongithub.com
    3439161b4885129ff18fb8c22bf3a98c.png

    要知道衡量目标检测最重要的两个性能就是 精度和速度,特指 mAP 和 FPS。其实现在大多数论文要么强调 mAP 很高,要么就是强调 mAP 和 FPS 之间 Trade-off 有多好。

    本文就来盘点一下 mAP 最高的目标检测算法,Amusi 将在COCO数据集上 mAP 最高的算法认为是"性能最强"目标检测算法。(COCO数据集是现在最主流的目标检测数据集,这一点看最新的顶会论文就知道了)

    时间:2019.07.16

    盘点内容:目标检测 mAP 最高的算法

    说到目标检测算法,大家脑子里最先蹦出来的算法应该是 Faster R-CNN 和 YOLOv3。这一点在我调研的时候,从大家的反馈明显看得出来。
    要知道 Faster R-CNN已经是2015年提出的论文了,而YOLOv3发表出来也已经一年多了。最近目标检测相关的论文,比较典型的有:SNIPER、CornerNet、ExtremeNet、TridentNet、FSAF、FCOS、FoveaBox、两个CenterNet 和 CornerNet-Lite等。

    这么多目标检测算法,究竟哪家最强呢?!

    性能最强的目标检测算法

    这里 Amusi 罗列几个mAP很强很强的算法,并以时间线的角度来展示。

    注意:各个网络使用不同backbone,或加不同的tricks,都会有不同的 mAP。所以Amusi 只介绍所能查到最强的算法或者最强组合算法。

    SNIPER: Efficient Multi-Scale Training

    9c80fc768982503ff3853fc5368e3768.png

    mAP:47.6

    Date:2018.05.23

    arXiv:https://arxiv.org/abs/1805.09300

    https://github.com/MahyarNajibi/SNIPER/

    1a4d5d9ad25918cfae1210eb38134a88.png

    TridentNet:Scale-Aware Trident Networks for Object Detection

    266aecb4b27e4bd546c71345d95aebfb.png

    mAP:48.4

    Date:2019.01.07 (已开源)

    arXiv:https://arxiv.org/abs/1901.01892

    https://github.com/TuSimple/simpledet

    bf5d3473f2a35422347ccaf67f20ea4a.png

    HTC + DCN + ResNeXt-101-FPN

    1c50822265ed3a6d362e2dea31467e0f.png

    mAP:50.7

    Date:2019.01.22 (已开源)

    arXiv:https://arxiv.org/abs/1901.07518

    https://github.com/open-mmlab/mmdetection

    bdeb89054d35904b2e812834745a7cd5.png

    b5d1711c1939261b156206ce96a7a9d2.png

    NAS-FPN: Learning Scalable Feature Pyramid Architecture for Object Detection

    35484db1f54490bb2fd2d6340e907e7b.png

    mAP:48.3

    Date:2019.04.16 (未开源)

    arXiv:https://arxiv.org/abs/1904.07392

    41fad82756c4ad8a59cf4b92b31d7e1b.png

    CornerNet-Saccade+gt attention

    827395614afe1e709d1e600932811fe4.png

    mAP:50.3

    Date:2019.04.18 (已开源)

    arXiv:https://arxiv.org/abs/1904.08900

    https://github.com/princeton-vl/CornerNet-Lite

    bd0646e17ccbbd8f827d4e0f8f14bcec.png

    Cascade R-CNN:High Quality Object Detection and Instance Segmentation

    b9b7e0c70aef257e0eebce0cbd3a051f.png

    mAP:50.9

    Date:2019.06.24 (已开源)

    arXiv:https://arxiv.org/abs/1906.09756

    Caffe:https://github.com/zhaoweicai/cascade-rcnn

    PyTorch:https://github.com/zhaoweicai/Detectron-Cascade-RCNN

    b88a4ab8b73bc70f30a76092b2888325.png

    Learning Data Augmentation Strategies for Object Detection

    8a39fa092c9023d9e3f4318d5900a31f.png

    mAP:50.7

    Date:2019.06.26 (已开源)

    arXiv:https://arxiv.org/abs/1906.11172

    https://github.com/tensorflow/tpu/tree/master/models/official/detection

    7b9998ead5985341d47d748c687fd060.png

    综上所述,可知改进后的 Cascade R-CNN 算法是目前(2019.07.07)目标检测方向性能最强的算法,其 mAP 为 50.9。

    侃侃

    这里将 mAP 作为目标检测最强的指标,确实有失偏颇,不够严谨,因为很多人将目标检测应用在不同的任务上,其实要求的性能也有所不同。但请放心,Amusi 后续会统计一波 FPS最快的目标检测算法 和 mAP-FPS Trade-off 最佳的算法

    调查的论文和链接我会放在:

    amusi/awesome-object-detectiongithub.com
    3439161b4885129ff18fb8c22bf3a98c.png

    欢迎各位CVer进行 star 和 fork!(点击"阅读原文"即可访问)

    如果喜欢这样的盘点,请给这篇文章点个"赞",如果点赞的人多,其它CV方向的大盘点系列也会尽快推出!

    ---我是可爱的分割线---

    如果想要了解更多CV方向的最新进展,欢迎关注 CVer 微信公众号 和 计算机视觉论文速递的知乎专栏。

    3b3cf1475dd512240d71c8e026b7afa9.png
    展开全文
  • 点击我爱计算机视觉标星,更快获取CVML新技术人脸检测为目标检测的特例,是商业化最早的目标检测算法,也是目前几乎各大CV方向AI公司的必争之地。WIDER FACE数据集是由香港中文大学发布的大型人脸数据集,含32,203幅...

    点击我爱计算机视觉标星,更快获取CVML新技术


    人脸检测为目标检测的特例,是商业化最早的目标检测算法,也是目前几乎各大CV方向AI公司的必争之地。

    WIDER FACE数据集是由香港中文大学发布的大型人脸数据集,含32,203幅图像和393,703个高精度人脸包围框,该库中人脸包含尺度、姿态、表情、遮挡和光照等变化。

    976efbe8016808532ef4bd2f701f6c9b.png

    WIDER FACE 几乎是目前评估人脸检测算法最权威的数据集。

    RetinaFace 是今年5月份出现的人脸检测算法,当时取得了state-of-the-art,作者也开源了代码,过去了两个月,目前仅以极其微弱的精度差屈居第二名,但因为第一名的AInnoFace算法(来自北京创新奇智公司)没有开源,所以目前RetinaFace可称得上是目前最强的开源人脸检测算法。

    72ea0577e11b512eabf884ac74a6341f.png

    RetinaFace来自论文RetinaFace: Single-stage Dense Face Localisation in the Wild,作者来自帝国理工学院、InsightFace、Middlesex University London、FaceSoft。

    a3fb6738cccb7a45ce1e149e593ad67b.png

    相信很多朋友对InsightFace并不陌生,它是目前针对2D与3D人脸分析(含检测、识别、对齐、属性识别等)最知名和开发者最活跃的开源库。RetinaFace代码已经并入该库。

    下图为在WIDER FACE 数据集上验证集三个子集的排名靠前的算法结果曲线和精度:

    e56e9d4bf8bb843ea8cc75d7d0d4102f.png

    下图为在WIDER FACE 数据集上测试集三个子集的排名靠前的算法结果曲线和精度:

    2e092121cd416246e027a47b0b8064b0.png

    在6个子集中,RetinaFace取得1个第一名,2个并列第1名,3个以极其微弱精度差屈居于第二名。

    RetinaFace使用特征金字塔网络架构:

    5f08c2d996893146255654b61590ae25.png

    其主要创新点在损失函数的设计。

    下图说明了RetinaFace的核心思想:

    6b7fa20326aa55119a70d499aab5e029.png

    在人脸检测多任务学习中,除了传统的人脸分类损失函数和包围框回归损失函数,作者额外标注了人脸 5 点信息,并以此引入人脸对齐的额外监督信息损失函数,还引入了self-supervised解码分支预测3D人脸信息分支。

    集合了更多监督信息和自监督信息,是 RetinaFace 取得成功的关键。

    很多时候,人脸检测是为了后续的识别,作者特意将检测结果送入人脸验证网络,在IJB-C test set上测试结果表明可以提高ArcFace的人脸验证精度(TAR=89.59% for FAR=1e-6)。

    3fe59c015cd3957921f31111d867e1c5.png

    由上图可知,相对于MTCNN,在助力人脸验证上有一致性精度提高的表现。

    更为难能可贵的是,使用轻量级骨干网络,RetinaFace算法在CPU上测试VGA图片可以达到实时。如下图:

    194787d01ddd313711bc9558bf4f7cb0.png

    感谢作者的开源,欢迎给大佬加星!

    论文地址:

    https://arxiv.org/pdf/1905.00641.pdf

    代码地址:

    https://github.com/deepinsight/insightface/tree/master/RetinaFace


    CV专业交流群

    52CV已经建立多个CV专业交流群,包括:目标检测、语义分割、姿态估计、人脸识别检测、医学影像处理、超分辨率、神经架构搜索、GAN、强化学习等,扫码添加CV君拉你入群,

    (请务必注明相关方向,比如:人脸检测)

    ecc938781e969156a0c649d3886a6bd3.png

    喜欢在QQ交流的童鞋,可以加52CV官方QQ群702781905

    (不会时时在线,如果没能及时通过验证还请见谅)


    77c6cc2553828dfc22f71dbce19738bd.png

    长按关注我爱计算机视觉

    展开全文
  • 目标检测算法论文大盘点,当前性能最强的目标检测算法,附论文和源码链接,基于coco,欢迎交流学习
    个人微信公众号:AI研习图书馆,欢迎关注~

    深度学习知识及资源分享,学习交流,共同进步~

    大盘点 | 性能最强的目标检测算法

    1. 前言

    本文针对现有目标检测(Object Detection)方向论文,做一个"最强目标检测算法"大盘点。

    项目地址:https://github.com/amusi/awesome-object-detection

    众所周知,衡量目标检测最重要的两个性能就是 精度和速度,特指 mAP 和 FPS。其实现在大多数论文要么强调 mAP 很高,要么就是强调 mAP 和 FPS 之间 Trade-off 有多好。

    本文就来盘点一下 mAP 最高的目标检测算法,将在COCO数据集上 mAP 最高的算法认为是"性能最强"目标检测算法。(COCO数据集是现在最主流的目标检测数据集,这一点看最新的顶会论文就知道了)

    时间:2019.07.07
    盘点内容:目标检测 mAP 最高的算法

    2. 正文

    说到目标检测算法,大家脑子里最先蹦出来的算法应该是 Faster R-CNN 、SSD和YOLO。

    要知道 Faster R-CNN已经是2015年提出的论文了,而YOLOv3发表出来也已经一年多了。最近目标检测相关的论文,比较典型的有:SNIPER、CornerNet、ExtremeNet、TridentNet、FSAF、FCOS、FoveaBox、两个CenterNet 和 CornerNet-Lite等。

    这么多目标检测算法,究竟哪家最强呢?!

    当前性能最强的目标检测算法

    这里我罗列几个mAP很强很强的算法,并以时间线的角度来展示。

    注意:各个网络使用不同backbone,或加不同的tricks,都会有不同的 mAP。所以只介绍所能查到最强的算法或者最强组合算法。

    1. SNIPER: Efficient Multi-Scale Training

    mAP:47.6

    Date:2018.05.23

    arXiv:https://arxiv.org/abs/1805.09300

    https://github.com/MahyarNajibi/SNIPER/
    在这里插入图片描述

    在这里插入图片描述

    2. TridentNet:Scale-Aware Trident Networks for Object Detection

    mAP:48.4

    Date:2019.01.07 (已开源)

    arXiv:https://arxiv.org/abs/1901.01892

    https://github.com/TuSimple/simpledet
    在这里插入图片描述
    在这里插入图片描述

    3. HTC + DCN + ResNeXt-101-FPN

    mAP:50.7

    Date:2019.01.22 (已开源)

    arXiv:https://arxiv.org/abs/1901.07518

    https://github.com/open-mmlab/mmdetection

    在这里插入图片描述
    在这里插入图片描述

    4. NAS-FPN: Learning Scalable Feature Pyramid Architecture for Object Detection

    mAP:48.3

    Date:2019.04.16 (未开源)

    arXiv:https://arxiv.org/abs/1904.07392

    在这里插入图片描述
    在这里插入图片描述

    5. CornerNet-Saccade+gt attention

    mAP:50.3

    Date:2019.04.18 (已开源)

    arXiv:https://arxiv.org/abs/1904.08900

    https://github.com/princeton-vl/CornerNet-Lite
    在这里插入图片描述
    在这里插入图片描述

    6. Cascade R-CNN:High Quality Object Detection and Instance Segmentation

    mAP:50.9

    Date:2019.06.24 (已开源)

    arXiv:https://arxiv.org/abs/1906.09756

    Caffe:https://github.com/zhaoweicai/cascade-rcnn

    PyTorch:https://github.com/zhaoweicai/Detectron-Cascade-RCNN
    在这里插入图片描述
    在这里插入图片描述

    7. Learning Data Augmentation Strategies for Object Detection

    mAP:50.7

    Date:2019.06.26 (已开源)

    arXiv:https://arxiv.org/abs/1906.11172

    https://github.com/tensorflow/tpu/tree/master/models/official/detection
    在这里插入图片描述
    在这里插入图片描述
    综上所述,可知改进后的 Cascade R-CNN 算法是目前(2019.07.07)目标检测方向性能最强的算法,其 mAP 为 50.9。

    侃侃

    这里将 mAP 作为目标检测最强的指标,确实有失偏颇,不够严谨,因为很多人将目标检测应用在不同的任务上,其实要求的性能也有所不同。但请放心,小编后续会统计一波 FPS最快的目标检测算法 和 mAP-FPS Trade-off 最佳的算法,敬请期待!

    调查的论文和链接我会放在:https://github.com/amusi/awesome-object-detection,欢迎各位深度学习进行点赞和交流

    如果喜欢这样的盘点,请给这篇文章来个"点赞",如果点赞的人多,其它CV方向的大盘点系列也会尽快推出!

    您的支持,是我不断创作的最大动力~

    欢迎点赞关注留言交流~

    深度学习,乐此不疲~

    个人微信公众号,欢迎关注,精彩不断~
    在这里插入图片描述

    展开全文
  • 大盘点 | 性能最强的目标检测算法

    千次阅读 2020-05-10 18:47:07
    去年7月,Amusi 曾做过一篇整理:大盘点 | 性能最强的目标检测算法,那时收集的情况是:改进后的 Cascade R-CNN算法是截止(2019.07.07)目标检测方向性能最强的算法,其 mAP 为 50.9。 推荐大家关注计算机视觉论文...
    作者:Amusi
    Date:2020-05-09
    来源:CVer微信公众号
    链接:大盘点 | 性能最强的目标检测算法

    前言

    去年7月,Amusi 曾做过一篇整理:大盘点 | 性能最强的目标检测算法,那时收集的情况是:改进后的 Cascade R-CNN 算法是截止(2019.07.07)目标检测方向性能最强的算法,其 mAP 为 50.9。

    推荐大家关注计算机视觉论文速递知乎专栏和CVer微信公众号,可以快速了解到最新优质的CV论文。

    Amusi 发现2020年,对于目标检测涨点的研究相比于2018、2019年少很多了。个人觉得一方面研究遇到一定瓶颈,另一方面,一片红海的目标检测相对发论文的门槛更高了。

    2019年anchor-free系列的目标检测论文层出不穷,其中特别要提到:FCOS和CenterNet。但今年还未看到更加亮眼的论文,这可能要等到CVPR 2020和ECCV 2020论文全部出来才能知道。

    抛开参数量、FLOPs等,简单粗暴衡量目标检测最重要的两个性能就是 精度和速度,特指 AP 和 FPS。这一点在很多论文中都能看到相关的图示,比如前不久刚出的YOLOv4

    • 追求涨点的论文,主要强调 AP 刷的有多高;
    • 追求速度的论文,主要强调 AP 和 FPS 之间 Trade-off 有多好(速度一般>30 FPS)。

    时隔9个月,Amusi 再来盘点一下 AP 最高的目标检测算法。根据目前学术论文情况,Amusi 将在COCO数据集上 AP 最高的算法认为是"性能最强"目标检测算法

    • 盘点时间:2020.05.09
    • 盘点内容:目标检测 AP 最高的算法
    • 不严格区分单尺度/多尺度训练,只看数据
    • Amusi整理,仅个人观点,欢迎补充

    性能最强的目标检测算法

    这里 Amusi 罗列几个AP很强很强的算法,并以时间线的角度来展示(如果论文开源了,我也会注明的)。

    注意:各个网络使用不同backbone,或加不同的tricks,都会有不同的 AP。所以Amusi 只介绍所能查到最强的算法或者最强组合算法。

    CBNet: A Novel Composite Backbone Network Architecture for Object Detection

    AP:53.3

    Date:2019.09.09

    论文:https://arxiv.org/abs/1909.03625

    代码1:https://github.com/PKUbahuangliuhe/CBNet

    代码2:https://github.com/VDIGPKU/CBNet

    代码3(基于PaddlePaddle):

    https://github.com/PaddlePaddle/PaddleDetection

    论文解读:

    53.3 mAP!北大等提出CBNet 目标检测新骨干网络

    值得提一下:CBNetv2也快要出来了,性能有多强,敬请期待!

    EfficientDet: Scalable and Efficient Object Detection

    AP:52.2

    Date:2019.11.20

    注:已收录于CVPR 2020

    论文:https://arxiv.org/abs/1911.09070

    代码1(官方,基于TensorFlow):

    https://github.com/google/automl/tree/master/efficientdet

    代码2(基于PyTorch):

    https://github.com/zylo117/Yet-Another-EfficientDet-Pytorch

    论文解读:

    一骑绝尘的EfficientNet和EfficientDet

    全网第一SoTA成绩却朴实无华的PyTorch版EfficientDet

    SpineNet: Learning Scale-Permuted Backbone for Recognition and Localization

    AP:52.1

    Date:2019.12.10

    注:已收录于CVPR 2020

    论文:https://arxiv.org/abs/1912.05027

    代码(官方,基于TensorFlow):

    https://github.com/tensorflow/tpu/tree/master/models/official/detection

    TSD: Revisiting the Sibling Head in Object Detector

    AP:51.2

    Date:2020.03.17

    注:已收录于CVPR 2020,且是Google OpenImage Challenge 2019 检测赛道的冠军解决方案

    论文:https://arxiv.org/abs/2003.07540

    代码:暂无

    论文解读:51.2 mAP!商汤提出目标检测新网络 TSD | CVPR 2020

    综上所述,可知:

    • 基于CBNet改进后的 Cascade Mask R-CNN 算法是目前(2020.04.28)目标检测方向性能最强的算法,其 AP 为 53.3(多尺度测试)
    • EfficientDet算法是目前(2020.04.28)目标检测方向性能最强的算法,其 AP 为 52.2(单尺度测试)

    侃侃

    这里将 AP 作为目标检测最强的指标,确实有失偏颇,不够严谨。因为很多人将目标检测应用在不同的任务上,每个任务偏重的性能要求也有所不同,比如模型大小、inference速度、小目标检测等。

    Amusi 后续还会统计一波 mAP-FPS Trade-off 最佳算法的大盘点

    福利

    为了方便下载,我已将上述所有论文的PDf均已经打包好

    链接:https://pan.baidu.com/s/1QW4el7OL2t1UFqAcQmRWXw 
    提取码:zy1a

    推荐大家关注计算机视觉论文速递知乎专栏和CVer微信公众号,可以快速了解到最新优质的CV论文。

    推荐阅读

    大神接棒,YOLOv4来了!

    ResNet最强改进版来了!ResNeSt:Split-Attention Networks

    周志华教授:如何做研究与写论文

     

    发布于昨天 19:25

    展开全文
  • RetinaFace,最强开源人脸检测算法

    千次阅读 多人点赞 2019-07-10 14:42:52
    作者 | CV君来源 | 我爱计算机视觉(ID:aicvmlaicvmlaicvml)人脸检测为目标检测的特例,是商业化最早的目标检测算法,也是目前几乎各大 CV 方向...
  • 2019最强目标检测算法"大盘点

    万次阅读 2019-07-07 11:08:44
    本文就来盘点一下 mAP 最高的目标检测算法,Amusi 将在COCO数据集上 mAP 最高的算法认为是"性能最强"目标检测算法。(COCO数据集是现在最主流的目标检测数据集,这一点看最新的顶会论文就知道了) 时间:2019.07....
  • 新智元推荐来源:CVer(ID:...趁最近目标检测(Object Detection)方向的论文更新较少,赶紧做个"最强目标检测算法"大盘点。要知道衡量目标检测最重要的两个性能就是 精度和速度,特指mAP 和 FPS。其实现在大多数...
  • 之前在 大盘点 | 性能最强的目标检测算法 的文章中,看到了截至到目前的mAP 最高的目标检测算法。博主把这7篇论文看了,并大致进行了整理总结(下面7个链接为论文笔记)。 论文笔记: SNIPER: Efficient Multi-...
  • 点击我爱计算机视觉标星,更快获取CVML新技术人脸检测为目标检测的特例,是商业化最早的目标检测算法,也是目前几乎各大CV方向AI公司的必争之地。WIDER FACE数据集是由香港中文大学...
  • 目前(2019-01-26) one-stage目标检测最强算法:ExtremeNet。
  • 前言趁最近目标检测(Object Detection)方向的论文更新较少,Amusi 赶紧做个"最强目标检测算法"大盘点。https://github.com/amusi...
  • 最强目标检测算法YOLOv4论文解读本文仅为笔者个人浅显的理解,如各位发现有误的地方欢迎指正。一、概述YOLO v4中,作者做了很多实验,把近年比较火的一些方法加入YOLO中,最终取得了速度和精度的提升。通过了解YOLO ...
  • 前言去年7月,Amusi 曾做过一篇整理:大盘点 | 性能最强的目标检测算法,那时收集的情况是:改进后的Cascade R-CNN 算法是截止(2019.07.07)目标检测方向性能最...
  • 2019.07.07,CVer 曾推出一篇:大盘点 | 性能最强的目标检测算法,大家对此反映很好,还有很多同学私信要盘点 FPS 最快的目标检测算法。 要知道衡量目标检测最重要的两个性能就是精度和速度,特指 mAP 和 FPS。...
  • 【Motivation】 目标检测中物体尺度问题一直是个难解决的问题,目前为止主要是从网络结构设计、损失函数、训练方式等方面去缓解尺度带来的烦恼,特别是小物体检测,至今没有一个好的解决方案。在这些方法中,最常见...
  • 人脸检测为目标检测的特例,是商业化最早的目标检测算法,也是目前几乎各大 CV 方向 AI 公司的必争之地。WIDER FACE 数据集是由香港中文大学发布的大型人脸数据集,含 32,203幅图像和 393,703 个高精度人脸包围框,...
  • Summary:德克萨斯大学提出:One-stage目标检测最强算法 ExtremeNetAuthor:AmusiDate:2019-01-26微信公众号:CVer原文链接:德克萨斯大学提出:One-stage目标检测最强算法 ExtremeNet前言最近出了很多论文,各种...
  • 前言2019.07.07,CVer 曾推出一篇:大盘点 | 性能最强的目标检测算法,大家对此反映很好,还有很多同学私信要盘点 FPS 最快的目标检测算法。要知道衡量目标检测最重要的两个性...
  • 如果Github下载较慢的话,可以使用这个文件 ,原github地址: ghttps://github.com/AlexeyAB/darknet
  • 人脸检测其实比较简单,就是将图像输入算法框架中,最终返回输入图像中目标人脸的bounding box。 Review of Baseline 接下来,我们先简要回顾 Selective Refinement Network( SRN ) 。如下图1所示,它包括选择性两...
  • YOLO 之父 Joseph Redmon 宣布退出计算机视觉领域,此事引发了极大的热议,其中一个悬念就是:我们还能等到 YOLO v4 吗?现在,这一目标检测神器出现了新的接棒者!YO...
  • 在对象检测中,基于关键点的方法经常遭受大量不正确的对象边界框,可以说是由于缺少对裁剪区域的额外观察。本文提出了一种有效的解决方案,以最小的成本探索每个裁剪区域内的视觉模式。我们在一个名为CornerNet的...
  • ">人脸检测其实比较简单,就是将图像输入算法框架中,最终返回输入图像中目标人脸的bounding box。</span></p>;margin-top: 5px;margin-bottom: 15px;text-indent: 0em;line-height: 2em;">...
  • 我们介绍一篇很好的 one-stage 目标检测论文:CenterNet: Keypoint Triplets for Object Detection,该论文是由中科院,牛津大学以及华为诺亚方舟实验室联合提出。截至目前,据我们所知,CenterNet 应该是 one-stage...
  • 最先进的算法列举了一个几乎详尽的目标对象位置列表,并将每个位置分类为:目标对象或非目标对象。在本文中,我们展示了自底向上方法仍然具有竞争力。我们使用标准关键点估计网络检测对象的四个极点(最上面、最左边、...
  • 1 前言 End-to-end目标检测算法都是一些比较厉害的模型 2 End-to-end的SOTA检测模型——Deformable-DETR 现在最强的端到端模型是Deformable-DETR;

空空如也

空空如也

1 2 3 4 5
收藏数 88
精华内容 35
关键字:

最强检测算法