计算机视觉中的目标检测，因其在真实世界的大量应用需求，比如自动驾驶、视频监控、机器人视觉等，而被研究学者广泛关注。 上周四，arXiv新出一篇目标检测文献《Object Detection in 20 Years: A Survey》，其对该领域20年来出现的技术进行了综述，这是一篇投向PAMI的论文，作者们review了400+篇论文，总结了目标检测发展的里程碑算法和state-of-
一：背景介绍：YOLO-v3与目前最好的实时监测网络的性能对比OLO作者推出 YOLOv3版，在Titan X上训练时，在mAP相当的情况下，v3的速度比 RetinaNet快3.8倍，同时YOLOv3 可以在22ms之内执行完一张320×320的图片，mAP得分是 51.5，和SSD的准确率相当，但是比它快三倍。YOLOv3非常快速和准确，在IoU=0.5的情况下，与Focal Loss的mAP
```
\documentclass[10pt,UTF8]{article}
\usepackage{ctex}
原创
2021-12-29 17:34:53
3226阅读
先抛出一个问题：
你写SCI论文的时候，是直接写用英语写，还是先写成中文，再翻译成英文呢？
这是一个经典的问题，大家都会用自己的经验告诉你答案。
有人会说，千万不能先写中文然后再翻译，这样翻译出来的语言，和纯正的英语表达差距很大。
也有人说，没有关系的，只要翻译得好，一样可以，重点是文章内容，只要表达清楚了就行了。
而一些学知识产权的学生，经常会面临着输入“版权所有”，“注册”，“商标”等特殊字符。而这些字符在哪里找呢？14.“版权所有”，“注册”，“商标”字符的输入第一步：插入→符号→其他符号第二步：符号→特殊字符→点击目标字符→插入当当当当这个是不是很简单呢而且每一个特殊字符的右侧都有一个快捷键的命令栏。只要记住快捷键的结构，以后都可以瞬间输入啦~~我们的论文其实也是需要经常修改的。试想一下，如果我们的图
论文题目： ConSERT: A Contrastive Framework for Self-Supervised Sentence Representation Transfer 文章目录论文内容回顾论文做了什么？一、问题发现二、related work三、论文工作3.1 模型架构3.2 模型详解3.3 数据增强手段3.4 融入supervision信号3.5 模型实验四、Ablation s
转载
2024-03-16 10:22:21
59阅读
文章目录1.LeNet2.AlexNet3.VGGNet4.OverFeat5.GoogLeNet6.ResNet7.DenseNet8.R-CNN9.SPP-Net10.Fast R-CNN11.Cascade R-CNN12.Faster R-CNN13.R-FCN14.MaskRCNN15.TridentNet小结：16.YOLOv117.YOLOv218.YOLO900019.YOLOv3
转载
2024-03-14 18:11:48
57阅读
标题：Libra R-CNN: Towards Balanced Learning for Object Detection 会议：CVPR2019 论文地址：https://ieeexplore.ieee.org/document/8953703/ 这篇文章研究了目标检测中极具代表性的三个方面，正负样本采样、特征金字塔和损失函数，通过发现这三个方面的不平衡问题，针对性地提出解决方案。文章的思路十
转载
2024-02-19 11:29:29
37阅读
DetNet: A Backbone network for Object Detection论文链接：https://arxiv.org/pdf/1804.06215.pdf 代码链接：无，不过感觉也没有太大的必要 之前一直在看一篇综述类的文章，这周最开始也是想分享那篇文章的，但内容实在太多外加全是论述看得非常吃力。所以这周来看这篇改进Backbone的文章。这篇整体的思路还是比较简单易懂的，相
转载
2024-06-26 08:39:26
223阅读
Ⅰ R-CNN参考文章及视频： ①https://www.bilibili.com/video/BV1af4y1m7iL/?spm_id_from=333.337.search-card.all.click ②https://zhuanlan.zhihu.com/p/60794316①R-CNN算法流程⭐使用Selective Search方法在一张图像生成1K~2K个候选区域 ⭐对每个候选区域，
以下内容全是学习自一位学长的读书笔记！！！！ 首先介绍一篇是Stacked Attention Networks for Image Question Answering 这篇论文的作者对于VQA，是认为需要带一点推理过程的。 并且采用了attention机制来实现这种分层关注的推理过程，使用常规的LSTM和CNN网络来提取特征，在用问题特征去提取attention图像，最后用这个结果结合问题向量
将Zotero会议论文集的参考文献格式改成国标格式一. 毕设论文中会议论文集的格式毕设论文中要求的会议论文集[C]著录格式，同时也是国标GBT 7714-2005：中文文献：[序号] 作者．文章名．文集名[C]．会址．开会年．出版地：出版者, 出版时间：引用部分起止页.英文文献：[序号] 作者. 文章名. 文集名[C]. 会址. 开会年. 出版地: 出版者, 出版时间: 引用部分起止页.示例：[1
目录：目标检测—SPP-Net论文一、初步认识二、研究背景三、研究动机1. 关于图像尺寸的理解2. 关于为何全连接层需要固定输入四、SPP-Net作出的改进1. 与传统CNN的对比2. 与R-CNN的对比1）R-CNN模型2）SPP-Net模型五、SPP-Net中的难点六、原始图像中的ROI如何映射到特征图七、ROI池化层八、总结 一、初步认识SPP-Net是出自2015年发表在IEEE上的论文
转载
2024-04-01 22:00:28
166阅读
论文名称：Dynamic Refinement Network for Oriented and Densely Packed Object Detection 论文下载：https://arxiv.org/pdf/2005.09973.pdf 开源代码：https://github.com/Anymake/DRN_CVPR2020Abstract&nb
转载
2024-04-10 10:31:20
53阅读
作者：Derrick Mwiti导读最近的CVPR 2020在推动物体检测前进方面有相当多的贡献。在这篇文章中，我们将看到几篇特别令人印象深刻的论文。A Hierarchical Graph Network for 3D Object Detection on Point Clouds这篇文章提出了一种基于图卷积(GConv)的层次图网络(HGNet)用于三维目标检测。它直接处理原始点云来预测3D
网上找的一个latex中文模板，感觉很简单，在我机器上有点小问题，完善记录一下。 %要运行该模板，LaTex需要安装CJK库以支持汉字.
%字体大小为12像素，文档类型为article
%如果你要写论文，就用report代替article
%所有LaTex文档开头必须使用这句话
\documentclass[12pt]{article}
%使用支持汉字的CJK包
\usepa
转载
2024-05-21 06:47:15
495阅读
干货第一时间送达前段时间，突然发布的YOLOv4成了计算机视觉领域一大热点新闻。这个目标检测任务的SOTA模型究竟有何创新？这篇解读文章为你一一拆解。目标检测在近几年开始发展成熟，但即便如此，竞争依旧激烈。如下所示，YOLOv4 宣称已经实现了当前最前沿技术的准确度，同时还能维持较高的处理帧率。使用 Tesla V100 GPU，在 MS COCO 数据集上以接近 65 FPS 的推理速度，YOL
转载
2024-06-13 20:13:26
45阅读
Automatic Metallic Surface Defect Detection and Recognition with Convolutional Neural Networks基于卷积神经网络的金属表面缺陷自动检测与识别//2022.7.17下午17:20开始阅读笔记论文速览1.文章有什么贡献？1.提出了一种新的CASAE级联检测网络来处理金属表面缺陷；2.提出来的两阶段架构，将对金属
转载
2024-05-15 21:06:05
60阅读
文章目录一 Preface二 Fast R-CNN architecture三 Core details3.1 RoI Pooling Layer3.2 预训练网络初始化3.3 Multi-task Loss3.4 截断SVD分解3.5 Step Cutting四 End五 Reference 一 Preface背景： 之所以会出现复杂性，是因为检测需要对象的准确定位，从而带来两个主要挑战。 首
转载
2024-03-18 08:10:05
79阅读
解决什么问题解决的是目标检测的任务目标检测任务往往需要借口任务来进行帮助，但是作者说他不需要，他这个思路比较直接（我觉得这里就是作者强找的一个创新，但是我也不是研究目标检测的实在是没看懂）主要的创新点应该还是diffusion用在目标检测的第一篇怎么生成谈到diffusion怎么生成，其实主要还是两个方面：1.怎么控制2.从什么出发怎么控制？这里是目标检测，自然需要图像信息控制，图像信息提取有很多
转载
2024-03-26 11:22:44
21阅读
