towards

[论文阅读]Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

文章目录RPN（RegionProposalNetworks）anchoranchor设计解决多尺度问题anchorbox与groundtruth匹配机制架构softmax判定foreground与background边界框回归对proposals进行boundingboxregressionProposalLayerROIpooling损失函数参考资料RPN（RegionProposalNetw
爱吃糖的茄子·2020-08-22 00:09

【论文阅读笔记】Faster R-CNN：Towards Real-Time Object Detection with Region Proposal Networks

论文链接：https://arxiv.org/abs/1506.01497作者：ShaoqingRen,KaimingHe,RossGirshick,andJianSun发布时间：20152015年66月发布，20162016年11月月最后修改摘要  之前最先进的目标检测模型如FastRCNN和SPPnet都受限于候选区域的计算，导致不能实现实时检测。在本论文中，作者引入了RegionPropos
时光机ﾟ·2020-08-22 00:35

论文阅读——Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

目录前言Abstract1、INTRODUCTION2、RELATEDWORK3、FASTERR-CNN3.1、区域建议网络(RPN)3.1.1、锚点3.1.2、损失函数3.1.3、训练RPNs3.2、RPN和FastR-CNN共享特征3.3、实现细节4、EXPERIMENTS4.1、在PASCALVOC数据集上进行实验4.2、在MSCOCO数据集上进行实验5、CONCLUSION前言之前有一段时
雨•人·2020-08-22 00:06

推荐系统论文笔记（2）：Towards the Next Generation of Recommender Systems:A Survey of the State-of-the-Art ....

一、基本信息论文题目：《TowardstheNextGenerationofRecommenderSystems:ASurveyoftheState-of-the-ArtandPossibleExtensions》发表时间：July2005,IEEETransactionsonKnowledgeandDataEngineering17(6):734-749论文作者及单位：GediminasAdom
塘朗老实人·2020-08-21 09:23

3.Towards Unifified Depth and Semantic Prediction from a Single Image

论文在这儿本篇论文的源代码貌似没有公布…大体思想由于深度估计和语义分割两者有密切关联且能相互促进，所以这篇论文提出了一个统一的深度和语义联合预测框架(atwo-layerHierarchicalConditionalRandomField分层条件随机场(HCRF))，首次将语义分割和深度估计结合起来。CRF的理解CRF就是用来计算给定观察序列计算标记序列的概率的P(y|x,lambda)，需要确定
いしょ·2020-08-19 05:21

DS-SLAM: A Semantic Visual SLAM towards Dynamic Environments. 作者：Chao Yu. 文献笔记

DS-SLAM:ASemanticVisualSLAMtowardsDynamicEnvironments.作者：ChaoYu.文献笔记摘要需要解决的问题：However,someproblemsarestillnotwellsolved,forexample,howtotacklethemovingobjectsinthedynamicenvironments,howtomaketherobot
简单才最傻·2020-08-19 03:20

[论文笔记] DS-SLAM: A Semantic Visual SLAM towards Dynamic Environments

DS-SLAM:ASemanticVisualSLAMtowardsDynamicEnvironments一、introduction这篇文章主要提出了结合语义信息和运动特征点检测，来滤除每一帧中的动态物体，从而提高位姿估计的准确性。同时建立了语义八叉树地图。在高运动的场景中，与ORBSLAM2相比提升明显。但也存在不足，如仅能识别20种物体，并只认为人是移动的类别；八叉树地图的作用不知道是干嘛的
KylinQAQ·2020-08-19 00:26

SiamFC++: Towards Robust and Accurate Visual Tracking with Target Estimation Guidelines 论文学习

SiamFC++:TowardsRobustandAccurateVisualTrackingwithTargetEstimationGuidelines论文学习论文阅读总结TranslationAbstract1Introduction2RelatedWork3SiamFC++:FullyConvolutionalSiameseTrackerforObjectTrackingSiamese-ba
亚里·2020-08-19 00:57

动名词到底什么时候才用？ ———— 英语菜鸟最后的倔强！

,under,beside,behind,between2.表示时间：in,on，at,after,from,sincefor,behind3.表示运动：across,through,past,to,towards
事在人为。·2020-08-18 00:11

【点云识别】Weakly Supervised Semantic Point Cloud Segmentation: Towards 10x Fewer Labels(CVPR 2020)

WeaklySupervisedSemanticPointCloudSegmentation:Towards10xFewerLabels本文介绍一篇cvpr2020里面关于点云弱监督分割的文章。
orientliu96·2020-08-17 20:53

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks论文笔记

论文链接：FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworks摘要：最先进的目标检测网络依赖于候选区域提取算法来假设目标位置。SPPnet和FastR-CNN网络等技术的进步降低了这些检测网络的运行时间，也暴露了基于候选区域算法的计算瓶颈。在这篇文章中，作者引入了一个与检测网络共享全图像卷积特征的候选区域生成网络
xuefengxiaoyang·2020-08-17 17:49

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks(更快的RCNN：通过区域提议网络实现实时)

FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworksShaoqingRen,KaimingHe,RossGirshick,JianSun摘要目前最先进的目标检测网络需要先用区域建议算法推测目标位置，像SPPnet[7]和FastR-CNN[5]这些网络已经减少了检测网络的运行时间，这时计算区域建议就成了瓶颈问题。
youli_3·2020-08-17 15:45

[论文学习]《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 》

fasterR-CNN的主要贡献提出了regionproposalnetwork（RPN）,通过该网络我们可以将提取regionproposal的过程也纳入到深度学习的过程之中。这样做既增加了Accuracy，由降低了耗时。之所以说增加Accuracy是因为，RPN是可以通过反向传播训练的，所以他提取的proposal也会更准确一些。TheFlowchartoftheFasterRCNNfaste
UpCoderXH·2020-08-17 13:54

目标检测-Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworksTPAMI.2016Ren,Shaoqing，He,Kaiming，Girshick,Ross…物体检测算法常用到的概念下面我们讲解一下在物体检测算法中常用到的几个概念：Bbox，IoU，非极大值抑制。BoundingBox(bbox)bbox是包含物体的最小矩
丽宝儿·2020-08-17 12:49

『论文笔记』Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks!

FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworks!文章目录一.FasterR-CNN的思想1.1.R-CNN，FastR-CNN，FasterR-CNN对比1.2.FasterR-CNN的网络结构二.区域生成网络(RPN)详解2.1.特征提取2.2.候选区域（anchor）2.3.边框回归2.4.候选框修正三
小张爱学习!·2020-08-17 11:26

论文笔记-Towards Scene Understanding-Unsupervised Monocular Depth Estimation

论文信息标题：TowardsSceneUnderstanding:UnsupervisedMonocularDepthEstimationwithSemantic-awareRepresentation作者：Po-YiChen,AlexanderH.Liu,Yen-ChengLiu,Yu-ChiangFrankWang机构：NationalTaiwanUniversity,GeorgiaInsti
kingsleyluoxin·2020-08-17 01:06

Caffe Layers

Convolutionhttps://medium.com/towards-data-science/types-of-convolutions-in-deep-learning-717013397f4dfor
Silrep·2020-08-16 21:11

显著性目标检测之Towards High-Resolution Salient Object Detection

TowardsHigh-ResolutionSalientObjectDetection文章目录TowardsHigh-ResolutionSalientObjectDetection主要贡献针对问题主要方法GSN&LRNAPSGLFN实验细节相关链接原始文档:https://www.yuque.com/lart/papers/fgwcg5主要贡献提供了第一个高分辨率的显著性目标检测数据集指出了当
有为少年·2020-08-16 18:56

2018-04-Towards High Performance Video Object Detection for Mobiles-论文阅读笔记

原文：https://arxiv.org/abs/1804.05830摘要：轻量的图像目标检测网络应用到关键帧上。轻量的光流网络建立帧间关系。光流导向的GRU模块被用于关键帧特征的集成。对于非关键帧用光流进行特征图传播。整个网络端到端训练，在VID达到60.2的mAP，跑到25帧的速度（HuaWeiMate8）引言：虽然一些工作针对轻量型的网络，比如SqueezeNet，MobileNet和Shu
华山汉灵·2020-08-16 18:13

（摘要）ICLR 2017 神经网络压缩，Incremental Network Quantization: Towards Lossless CNNs with Low-Precision Weig

目录目录原文摘要原文原文：https://arxiv.org/abs/1702.03044代码：https://github.com/Zhouaojun/Incremental-Network-Quantization摘要IncrementalNetworkQuantization(INQ)是一种神经网络压缩方法。它以已训练的任意全精度网络作为输入，输出权值为0或2的整数次幂的网络。通过以下两个创
yingpeng_zhong·2020-08-16 17:44

Towards secure and dependable software-defined networks

ABSTRACTthesecurityanddependabilityoftheSDNisstillanopenissue.arguefortheneedtobuildsecureanddependableSDNsbydesign.Firststep：describeseveralthreatvectorsthatmayenabletheexploitofSDNvulnerabilities.Th
aojiao5697·2020-08-15 22:20

A New Approach Towards General Purpose Image Manipulation Detection论文笔记

1、解决的问题：图像操作通常会留下图像编辑类型所特有的痕迹，分析不同图像操作的痕迹，图像取证，检测图像篡改。2、现有检测方法：调整大小和重采样、中值滤波、对比度增强、多JPEG压缩等，但是这些检测的都是单个目标操作，还要融合多个取证检测的结果，并且为不同的图像操作创建取证检测器是一个困难和耗时的过程。3、constrainedCNN普通的cnn网络倾向于学习图像的内容，而不适合学习与内容无关的篡改
嘻哈过路人·2020-08-13 21:43

SCRDet：Towards More Robust Detection for Small, Cluttered and Rotated Objects

对小的、杂乱的和旋转的物体进行更稳健的检测：SCRDet论文地址：https://arxiv.org/abs/1811.07126代码地址：https://github.com/DetectionTeamUCAS作者解读：https://zhuanlan.zhihu.com/p/107400817  摘要：  物体检测一直是计算机视觉的基石。尽管已经取得了相当大的进步，但是对于具有小尺寸，任意方向
babywang0·2020-08-13 13:02

（论文阅读）Towards Universal Object Detection by Domain Attention

问题：目前的目标检测器只能适用于单一的检测场景。目的：建立一种适用于各种场景的通用的目标检测系统。（a）单域检测器组（b）自适应多域检测器（c）通用检测器（d）域注意通用检测器相关研究：目标检测：两阶段检测框架：RCNN,FastR-CNN,FasterR-CNN；一阶段检测框架（速度快）：YOLO,SSD。它们应用在不同数据集上时都需要微调模型。多任务学习：多任务学习研究如何在一个输入域内同时学
RF-or·2020-08-12 12:57

Towards Universal Representation Learning for Deep Face Recognition（人脸识别）

TowardsUniversalRepresentationLearningforDeepFaceRecognition论文地址：https://arxiv.org/pdf/2002.11841.pdf这篇论文出自美国NEC研究院。文章暂时没时间看，大致过了一遍。其中论文核心思想是：1.传统的人脸识别需要目通过高质量的原始数据来“推导”低质量图像的识别2.集成式模型通过集成多个模型的不同分布，来提
CV/NLP大虾·2020-08-12 11:39

Towards Discriminability and Diversity: Batch Nuclear-norm Maximization under Label Insufficient Sit

Abstract论文作者提出：Insomelabelinsufficientsituations,theperformancedegradesonthedecisionboundarywithhighdatadensity.AcommonsolutionistodirectlyminimizetheShannonEntropy,butthesideeffectcausedbyentropymini
CV/NLP大虾·2020-08-12 11:39

《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》论文翻译

原文：https://arxiv.org/abs/1506.01497FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworksShaoqingRen,KaimingHe,RossGirshick,andJianSunAbstract—State-of-the-artobjectdetectionnetworksdep
ShaneneD·2020-08-12 10:56

Towards Improved Testing for Deep Learning [ICSE 2019]——阅读笔记

笔记结构TowardsImprovedTestingforDeepLearning[ICSE2019]--阅读笔记一、为什么需要对神经网络进行测试？二、目前的测试技术可以直接用于神经网络吗？为什么？三、相关的DNN测试方法和标准都有哪些？1.黑盒测试2.白盒测试四、目前的这些对DNN测试的方法或标准有什么局限性？有什么可以改进的地方？1.覆盖标准方面2.测试输入生成的方面3.Oracle选择的方面
章习的键鼠套装·2020-08-11 11:47

#论文 《Towards Binary-Valued Gates for Robust LSTM Training》

前两周就看到这篇论文的微信号文章介绍了，今天有空拿出来看一下，梳理一下思想。这个论文主要解决的是在LSTM中，发现记忆门和遗忘门的值的分布不够显著，和LSTM设计思想中想让门表示记忆或者遗忘的意思不太一致，所以论文作者提出了用一种方法（Gumbel-Softmaxestimator）来对门中的阈值进行改进，从而让阈值更加显著的趋向0或者1，近似二值化。这样做有几个好处：和设计遗忘门和记忆门的初衷更
arthur503·2020-08-10 06:56

零样本图像检索：Towards Affordable Semantic Searching: Zero-shot Retrieval via Dominant Attributes

TowardsAffordableSemanticSearching:Zero-shotRetrievalviaDominantAttributes，AAAI20181.概要论文首次提出了零样本检索任务（Zero-shotRetrieval,ZSR）。该任务中包括两种场景，一种是通过未知类别图像的主要属性信息查询实例图像(AttributestoImage,A2I);另一种是利用一张未知类别的图像
Shawn0901·2020-08-08 23:14

Towards quantum machine learning with tensor networks(基于张量网络的机器学习研究)

虽然本人这一个多星期停更了，但是只有鬼知道我这两个星期经历了什么，我从今年的三月份开始正式写博客，本来出发点是一边记录自己的大学课外的学习历程（虽然我才大一），一边进行深度科普，让更多的小伙伴们真正的从入门开始了解量子，熟悉量子，热爱量子，前面半年，我从大一的线性代数到初入量子世界（线代是量子的数学语言），再到后面的量子计算入门，紧接着的就是张量，机器学习，张量分解，张量网络，很多时候我会疑惑，机
西瓜皮装猕猴桃·2020-08-06 10:29

Towards Accurate Scene Text Recognition with Semantic Reasoning Networks 论文翻译

摘要 场景文本图像包含两个水平的内容，视觉纹理和语义信息。虽然之前场景文本识别方法已经取得了很大的进展，然而研究很少在注意力机制来来挖掘语义信息，只有RNN结构不明确的探索了语义信息。我们观察到RNN结构有一些明显的缺陷。如与时间相关的解码方式和单向串行传输的语义环境，这极大限制了语义信息和计算效率。为了改善这些缺点，我们提出了一个端到端的新的解决方法叫做SRN，一个GSRM（globalsema
好运吉祥·2020-08-04 02:02

Towards Robust Image Classification Using Sequential Attention Models 论文翻译

文章目录Abstract1.Introduction2.RelatedWork2.1Adversarialtraining2.2Recurrentattentionmodels2.3Adversarialrobustnesswithattention（与注意力对抗的稳健性（鲁棒性））3.Model4.AdversarialRisk4.1AdversarialTraining4.2Adversari
会飞的猪精爱洗铁路·2020-07-31 23:29

Make a Face: Towards Arbitrary High Fidelity Face Manipulation(做个脸：走向任意高保真脸部操纵)

本博客是对论文MakeaFace:TowardsArbitraryHighFidelityFaceManipulation（做个脸：走向任意高保真脸部操纵）的翻译，因作者水平有限，翻译难免会有不妥当的地方，还请读者不吝赐教。摘要最近的研究表明，随着GAN和VAE范例的发展，在面部操作任务中取得了显著成功，但输出有时仅限于低分辨率并且缺乏多样性。在这项工作中，我们提出了附加焦点变分自编码器（AF-V
假装很坏的谦谦君·2020-07-30 16:21

SRN: Towards Accurate Scene Text Recognition with Semantic Reasoning Networks ---论文阅读笔记

Paper:https://arxiv.org/abs/2003.12294PipelineSemanticReasoningNetworks(SRN):BackboneNetwork+ParallelVisualAttentionModule(PVAM)+GlobalSemanticReasoning(GSRM)+Visual-SemanticFusionDecoder(VSFD)Backbon
CharlesWu123·2020-07-29 10:55

Proclivity: 每日一词#812 | 每周课堂第61讲

é[noun]Atendencytochooseordosomethingregularly[è]éè§èProclivityèèproclivis±pro-clivusProclivity¨éto/towards
经济学人·2020-07-29 00:00

2019CVPR之ReID：Distilled Person Re-identification Towards a More Scalable System

DistilledPersonRe-identificationTowardsaMoreScalableSystem当前的问题及概述：目前RGB-RGBReID包含3个问题：(1)通过减少标签量来降低标签成本;(2)通过重用现有知识来降低扩展成本;(3)通过使用轻量级模型来降低测试计算成本。这三个问题本文统称为可扩展性问题。因此，本文基于这一问题，提出了一个可扩展自适应Re-ID系统。首先，本文提
matlabLKL·2020-07-28 09:47

【自我成长】“向死而生”——对“生”的新思考

（Being-towards-death）或说是“向死而生”。这个论断在现代思想中是最经常引用、但却最难于理解的口头禅。
艳滨·2020-07-15 19:30

向着Concolic测试的最优策略迈进-Towards Optimal Concolic Testing-wcventure译

TowardsOptimalConcolicTestingTowardsOptimalConcolicTesting.InICSE‘18:ICSE‘18:40th.InternationalConferenceonSoftwareEngineering,May27-June3,2018,.这篇文章主要是解决ConcolicTesting的最优策略的问题，即如何在具体执行（随机测试）和符号执行之间切
wcventure·2020-07-15 02:56

论文学习11“Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks” 文章学习

本文是何凯明大神他们组的fasterrcnn文章上图是fasterRCNN一系列文章的发展历程与区别，从fastRCNN到fasterRCNN主要区别就是建议框生成算法由SS变成了RPN，另外整个网络变成了一个整体的结构，使得算法进一步加快。FasterRCNN的模型结构图如下图所示，RPN网络与检测网络共享卷积层，目标检测的四个基本步骤（候选区域生成，特征提取，分类，位置精修）被统一到一个深度网
侯冠群·2020-07-13 15:13

【论文笔记】Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

写在前面：我看的paper大多为ComputerVision、DeepLearning相关的paper，现在基本也处于入门阶段，一些理解可能不太正确。说到底，小女子才疏学浅，如果有错误及理解不透彻的地方，欢迎各位大神批评指正！E-mail：[email protected]。————————————————————————————————————————————————《Fast
糖梦梦是女侠·2020-07-13 14:02

深度网络推理加速（Towards Lightweight Convolutional Neural Networks for Object Detection）

摘要：本文研究目标是少类别实时目标检测，研究了在保留较高检测率的前提下最大程度的减小模型大小，最终实现了在CPU上的实时检测。本文的推理加速机制和量化压缩等方法是可以并行的。1，通过增大featuremap的尺寸，减小通道数可以得到准确率且快的检测模型，这么做的依据是对于实际的很少类别的目标检测问题，用于解决多类别分类问题的网络中很多通道是冗余的。2，通过在大的预训练模型上简单的选取一些通道，然后
ss_thbcr·2020-07-13 13:30

论文阅读笔记《Baby Steps Towards Few-Shot Learning with Multiple Semantics》

核心思想  本文提出一种结合多种语义信息的小样本学习算法。首先作者提到人类的幼儿在学习新的事物时，通常是利用多种语义信息综合学习的，比如你给他看一只狗，他不仅接收到视觉和简单的语义标签信息，你还会给他描述这只狗有金色的毛发，它还会汪汪叫。如此一来幼儿就可接收到多种语义信息，帮助他学习识别狗。正是出于这种思想，作者提出利用多种更为丰富的语义信息来帮助模型实现小样本学习，网络的结构如下图所示。  整个
深视·2020-07-13 10:22

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks论文翻译

该论文于2015年6月首次上传至arxiv，2016年1月份更新至第三版，源码有matlab和python两种语言格式，分别由论文的一作和三作完成。本文主要介绍第三版中涉及的内容，并按照论文的行文结构组织进行呈现。文中如有理解偏差，请各位指正。摘要最新的物体检测网络依赖于候选框(生成)算法来假设物体位置。最新的进展如SPPnet[1]和FastR-CNN[2]已经减少了检测网络的时间，(间接)凸显
hzhj·2020-07-13 05:46

论文笔记| Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

AuthorShaoqingRen,KaimingHe,RossGirshick,andJianSunShaoqingRenAbstractInthiswork,itintroducesaRegionProposalNetwork(RPN)thatsharesfull-imageconvolutionalfeatureswiththedetectionnetwork,thusenablingnea
bea_tree·2020-07-13 02:38

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks论文笔记

FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworks这篇文章讲述了FasterR-CNN,介绍了RPN、Translation-InvariantAnchors、loss-function等概念。实现了RPN网络和Fast-RCNN网络的融合,即,在提取OP的同时进行物体检测。Abstract依赖op的objec
白鹭飞燕·2020-07-13 02:11

[深度学习论文笔记][Object Detection] Faster R-CNN: Towards Real-Time Object

Ren,Shaoqing,etal.“FasterR-CNN:Towardsreal-timeobjectdetectionwithregionproposalnetworks.”Advancesinneuralinformationprocessingsystems.2015.(Citations:444).1MotivationRegionproposalsarethetest-timecom
Hao_Zhang_Vision·2020-07-13 00:02

论文阅读：G-RMI：Towards accurate multi-person pose estimation in the wild——2017CVPR

PS：仅作为自己阅读论文的记录，如有错误，欢迎留言交流2017CVPR,top-down中关键点检测基石，有许多基础思路，本文提出的基于关键点的NMS在后面的自上而下的文章中被普遍应用贡献点：1、提出了一个top-down方法，分为两个阶段，第一检测人体，使用FasterRCNN；第二阶段使用全卷积ResNet预测每个关键点的热力图和偏移量2、引入了一种新的融合过程来获得高度定位的关键点预测，将h
sanchez_yang·2020-07-12 18:45

论文笔记：Towards accurate multi-person pose estimation in the wild（G-RMI）

Towardsaccuratemulti-personposeestimationinthewild1、摘要2、方法2.1、人体检测2.2、姿态估计3、实验4、总结1、摘要作者提出了新的自顶向下的多人姿态估计方法。首先使用FasterRCNNFaster~RCNNFasterRCNN预测可能包含人体目标的边界框的位置和大小。然后估计每个提议边界框可能包含的关键点。使用全卷积ResNetResNet
牛顿爱吃香蕉·2020-07-12 11:52

【论文复现】FastDVDNet: Towards Real-Time Video Denoising Without Explicit Motion Estimation

0.Links已开源FastDVDNet:https://github.com/z-bingo/FastDVDNet知乎专栏：https://zhuanlan.zhihu.com/p/732860101.IntroductionFastDVDNet是一种视频去噪中的STOA方法，与其他STOA方法有着相近或者更好的性能，但是有着更低的时间复杂度。计算机视觉中，对于视频去噪的研究相对较少，大多方法还
z-bingo·2020-07-12 07:43
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他