计算机视觉研究院专栏
作者：Edison_G
之前我们分享过“贝叶斯优化与结构化预测 | 大幅度提升目标检测精度”（点击蓝色直达链接）分析，今天我们将阅读的实际paper笔记给大家分享！
链接: https://pan.baidu.com/s/1wTN1VEofYUgSUEHmsphk8Q 密码: g8js
论文主要框架
今天主要是想和大家分享我平时怎么阅读paper的，如果是“好看”的，我会做多一些的笔记，现在我么你开始吧！
首先摘要，研究者就阐明了原因，及怎么去解决定位问题。最后说明下在公开的常用数据集上测试效果不错，超过了现在比较前言的框架！
接下来，经常看论文的小伙伴都知道，都是一样的讨论，写一下背景，从最简单最基础的开始，慢慢延伸出问题及现在研究的热点。
这个章节一般都是写与本创新的框架接近的知识，为了铺垫后面的主要框架核心知识，有时候会写一些其他研究者的思路及优缺点，最后总结自己的优势，怎么去改进的总结。
一般的话，paper都是第三章或第四章（比较少）介绍新框架，给出清晰易懂的框架图，流程图，伪代码，具体的推理公式等。
其实这个框架就是通过一开始的粗略定位，然后通过贝叶斯搜索，其中含有分类器来进行判断，然后不断迭代，通过贝叶斯优化在附近局部最佳区域获取所有区域。
这个文章将第二个创新点在新的章节介绍，主要介绍的就是“structured loss”。
最后就是实验，一般好的paper会写清实验具体参数及具体训练测试过程，最终就是一大堆的实验对比，都是凸显新框架的好！
计算机视觉研究院主要涉及深度学习领域，主要致力于人脸检测、人脸识别，多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架，我们这次改革不同点就是，我们要着重”研究“。之后我们会针对相应领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！
计算机视觉研究院
公众号ID｜ComputerVisionGzq
学习群｜扫码在主页获取加入方式
