Anchor-Free

基于轻量级模型YOLOX-Nano的菜品识别系统

地址：https://gitee.com/zhong-liangtang/ncnn-android-yolox-nano一、YOLOX简介YOLOX是一个在2021年被旷视科技公司提出的高性能且无锚框（Anchor-free
钟良堂·2024-02-09 05:46

RT-DETR个人整理向理解

一、前言在开始介绍RT-DETR这个网络之前，我们首先需要先了解DETR这个系列的网络与我们常提及的anchor-base以及anchor-free存在着何种差异。
深度瞎学·2024-02-06 10:17

【20210326期AI简报】用RISC-V微控制器开发难不难？行人搜索AI框架新突破~

导读：本期为AI简报20210326期，将为您带来9条相关新闻，明日朝花节，有时候要冲，有时候也要出去走走~本文一共字，通篇阅读结束需要7~11分钟1.首个无需锚框（Anchor-Free）的行人搜索框架
RT-Thread物联网操作系统·2024-02-03 12:51

DDBNet：Anchor-free新训练方法，边粒度IoU计算以及更准确的正负样本 | ECCV 2020

论文针对当前anchor-free目标检测算法的问题提出了DDBNet，该算法对预测框进行更准确地评估，包括正负样本以及IoU的判断。
VincentTeddy·2024-01-24 04:31

训练FastestDet（Anchor-Free、参数量仅0.24M），稍改代码使得符合YOLO数据集排布

文章目录0参考链接1准备数据1.1使用以下代码生成绝对路径的txt文件1.2在config文件夹下新建一个xxx.names文件2配置训练参数3稍改代码使得符合YOLO数据集排布4开始训练5使用eval.py进行验证0参考链接官方的代码：FastestDet1准备数据我已有的数据集排布：（符合YOLO排布）dataset:.├─images│├─test││├─xxx.jpg││├─xxx.jpg
孟孟单单·2024-01-15 19:15

目标检测-One Stage-EfficientDet

EfficientDetBiFPN复合缩放方法总结前言EfficientDet是google在2019年11月发表的一个目标检测算法系列，其提出的背景是：之前很多研究致力于开发更高效的目标检测架构，如one-stage、anchor-free
学海一叶·2024-01-06 06:04

字节跳动面经题

字节跳动面经题1、了解anchor-free?"Anchor-free"是一个指向一类目标检测方法的术语，与传统的"anchor-based"方法相对应。
普通研究者·2023-12-15 08:28

FCOS(Fully Convolutional One-Stage Object Detection)

arXiv:https://arxiv.org/abs/1904.01355github:https://github.com/tianzhi0549/FCOS向着anchor-free方向迈进，不铺框的检测
cshun·2023-11-27 17:36

DDBNet：Anchor-free新训练方法，边粒度IoU计算以及更准确的正负样本 | ECCV 2020

论文针对当前anchor-free目标检测算法的问题提出了DDBNet，该算法对预测框进行更准确地评估，包括正负样本以及IoU的判断。
晓飞的算法工程笔记·2023-11-11 11:01

4、目标检测

目标检测一、分类和发展史二、Anchor锚三、anchor-based1、one-stage2、two-stage四、anchor-free五、YOLO系列六、R-CNN系列**1、R-CNN**2、Spp-Net3
爱补鱼的猫猫·2023-11-10 02:22

【20201127期嵌入式AI周报】NanoDet 目标检测模型、移植 ncnn到 RISC-V等！

）、超快速（移动端97fps）目标检测项目Github:https://github.com/RangiLyu/nanodet近日，GitHub上出现了一个项目nanodet，它开源了一个移动端实时的Anchor-free
RTThreadIoTOS·2023-11-07 11:12

【论文笔记】Anchor-free目标检测论文推荐

前言Anchor-free目标检测是目标检测近几年的主流趋势之一，本文分享一个汇总了最近几年Anchor-free论文的github项目。
m0_61899108·2023-10-25 19:46

YOLO V5 和 YOLO V8 对比学习

的简单理解完整网络结构YOLOv5和YOLOv8的Head部分YOLOv8的Head部分相比YOLOv5改动较大，换成了目前主流的解耦头结构，将分类和检测头分离，同时也从Anchor-Based换成了Anchor-Free
替这位空想家惊讶·2023-09-01 21:25

YOLOv8目标检测算法

YOLOv8目标检测算法相较于前几代YOLO系列算法具有如下的几点优势：更友好的安装/运行方式速度更快、准确率更高新的backbone，将YOLOv5中的C3更换为C2FYOLO系列第一次尝试使用anchor-free
BestSongC·2023-08-14 10:05

FCOS:简洁的anchor-free目标检测器

论文题目:FCOS:FullyConvolutionalOne-StageObjectDetection其亮点:基于FCN构建全卷积检测器,使得视觉任务(如语义分割)可以统一在FCN框架anchor-free
寒夏凉秋·2023-08-11 15:13

transformer学习

关注到旷视最近发表（2021.09.15）的一篇目标检测论文，把NLP领域常用的transformer应用到目标检测方向，与以前基于CNN的anchor-based和anchor-free网络不同，这是一种完全不同的模块结构
清梦枕星河~·2023-08-10 09:03

YOLOv5(v7.0)网络修改实践三：把单分支anchor-based、head改为yolov8的anchor-free、双分支解耦合head（yolox的DecoupleHead）

[本文及相关博客仅是个人学习记录，欢迎有兴趣的同学一起交流成长]先附上我成功实践标题的工作的训练界面（实话实说，比前两次的实践复杂多了）：1、说明：接上我之前的博客的工作：YOLOv5(v7.0)网络修改实践二：把单分支head改为YOLOX的双分支解耦合head（DecoupleHead）在上一篇博客我成功实践了把yolov5的单分支检测头结构改为了yolox的解耦合双分支检测头结构，只是结构。
清梦枕星河~·2023-08-08 15:49

anchor-free、anchor-based整理

anchor-free、anchor-based整理）Anchoranchor-based优点缺点双阶段检测单阶段检测anchor-free优点缺点单尺度预测多尺度预测基于关键点估计总结参考博客参考博客
在三年之后·2023-08-04 11:34

PP-YOLOE 论文学习

YOLOX采用了anchor-free范式，加入了动态标签分配以提升检测表现，在TeslaV100上取得了50.1mAP，速度是68.9FPS。
calvinpaean·2023-07-29 08:35

FSAF for Single-Shot Object Detection（CVPR）

之前介绍了一篇基于关键点的Anchor-Free:CenterNet。其实这种Anchor-Free只是将锚框换成锚点。并没有真正去除anchor。
Congc_fdd6·2023-07-23 07:43

FCOS：全卷积目标检测

今天我继续来介绍一个Anchor-Free新的算法（它是基于密集采样的AF），这个文章我看下来个人觉得非常有意思。因为它将语义分割的思想用来做检测了。在学校期间，我的研究方向就是语义分割。
Congc_fdd6·2023-07-21 06:56

Bridging the Gap Between Anchor-based and Anchor-free Detection via ATSS 论文学习

Anchor-based和anchor-free方法的本质差异其实是如何定义正负样本，如果训练过程中它们采用相同的正负样本定义，最终的表现是差不多的。也就是说，如何选取正负样本才是最重要的。
calvinpaean·2023-07-19 13:13

目标检测 | Anchor free之CenterNet深度解析

的网络结构和损失函数的解析,链接如下https://zhuanlan.zhihu.com/p/188587434https://zhuanlan.zhihu.com/p/195517472本文来聊一聊Anchor-Free
小白学视觉·2023-07-14 10:48

Anchor-Free之CenterNet

CenterNetCenterNet顾名思义，是基于中心点的目标检测方法，相对于cornernet和FCOS更加简单直接。论文标题也是很霸气“ObjectsasPoints”相对于其他基于关键点检测的方法例如extremNet和cornerNet，CenterNet去除了角点分类等一些后处理步骤，使得模型推理速度得到了进一步的提升.不仅用于2D目标检测还可以用来做人体姿态估计或这3D目标检测数据方
NOWAY_EXPLORER·2023-07-14 10:47

Anchor-Free 网络笔记

Fcos与CenterNet网络记录Fcos图片转自https://blog.csdn.net/qq_37541097/article/details/124844726Fcos后处理输出centernessregressionclassification代表reg(HxWX1)box(HxWx4)cls(HxWxcls)centerness+regression同分支输出7次下采样计算边框得分b
mumuxi_c·2023-07-14 10:41

anchor-free方法总结

cornernet，centernet，onenet，fcos这几篇论文的引用关系（提出先后顺序）：将按照上面的顺序，从背景、标签分配等方面说明区别于联系。一、背景：Cornernet：认为使用anchor需要很多的超参数和手动设计选择，网络复杂。而且需要大数量的anchor来确保覆盖gtbox，导致正负样本不平衡，降低训练速度，于是提出不用anchor，将检测目标当做一对关键点（box的左上，右
HPUPUPUP·2023-07-14 10:10

【目标检测】Anchor-Free算法--CenterNet详解

论文题目：《ObjectsasPoints》论文地址：https://arxiv.org/pdf/1904.07850.pdf
姚路遥遥·2023-07-14 10:39

（二）anchor-base与anchor-free的区分

预测模式区别5：适用场景区别6：推理速度区别7：模型复杂度区别8：难度级别区别9：处理能力区别10：检测精度概念的区别区别1：定位方式  Anchor-based方法使用预先设定的锚点来确定候选框位置和大小；Anchor-free
风栖柳白杨·2023-06-22 22:23

【FCOS】Anchor-Free：FCOS论文总结及一些细节

论文:https://arxiv.org/abs/1904.01355.Github:源码文章目录一、概述1.1模型分类1.2Anchor-base模型缺点1.3motivation1.4一些思考，为什么Anchor的设计很重要？二、网络结构2.1检测思路2.2网络结构三、细节3.1Center-ness3.2损失函数3.3FPN的作用四、实验五、优点一、概述1.1模型分类一般来说，目标检测模型可
Cpsu·2023-06-19 03:37

目标检测论文综述（一）深度卷积神经网络

结合自己的理解做如下的综述报告，本系列博客为目标检测论文综述，根据内容分为四个部分：1、深度卷积神经网络2、CNNbasedTwo-StageDetectors3、CNNbasedOne-StageDetectors4、基于Anchor-Free
管住嘴也能迈开腿的miracle-b-cool·2023-06-17 13:50

RT-DETR论文解读与代码

研究者也分析了Anchor-based和Anchor-free的YOLO的性能，发现Anchor并不是影响实时监测的关键要素，而NMS后处理彩色。
樱花的浪漫·2023-06-16 02:28

ExtremeNet

titileBottom-upObjectDetectionbyGroupingExtremeandCenterPointsurlhttps://arxiv.org/pdf/1901.08043.pdf动机提出Anchor-Free
小松qxs·2023-06-15 02:48

YOLOv8——CV界的XGBoost

yolov8是ultralytics公司于2023年1月开源的anchor-free的最新目标检测算法框架。
算法美食屋·2023-06-09 17:11

全新设计的超实时Anchor-free目标检测算法（附源代码下载）...

关注并星标从此不迷路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计算机视觉研究院专栏作者：Edison_G本篇文章转自于知乎——qiuqiuqiu，主要设计了一个新颖的轻量级网络！代码地址：https://github.com/dog-qiuqiu/FastestDet01概述FastestDet是设计用来接替yolo-fastest系列算法，相比于
计算机视觉研究院·2023-04-18 03:22

【目标检测论文阅读笔记】Reducing Label Noise in Anchor-Free Object Detection

（Augmentationforsmallobjectdetection）Abstract当前的anchor-free无锚目标检测器将空间上落在真值框预定义中心区域内的所有特征标记为正。
YoooooL_·2023-04-16 06:22

Adaptive Training Sample Selection

一、主要贡献作者以RetinaNet和FCOS为例，分析了anchor-based和anchor-free的性能差异的原因：1、每个位置的anchor数量不同。
_从前从前_·2023-04-10 21:28

全新设计的超实时Anchor-free目标检测算法

本篇文章转自于知乎——qiuqiuqiu，主要设计了一个新颖的轻量级网络！代码地址：https://github.com/dog-qiuqiu/FastestDet1概述FastestDet是设计用来接替yolo-fastest系列算法，相比于业界已有的轻量级目标检测算法如yolov5n,yolox-nano,nanoDet,pp-yolo-tiny,FastestDet和这些算法压根儿不是一个量
@BangBang·2023-04-06 17:18

YOLOX

img-blog.csdnimg.cn/5870977002af4e5187070e617732c667.png)3.yolo-v1损失函数４.yolo-v2一、decoupledhead(预测分支解耦)二、数据增强三、Anchor-free
Alice01010101·2023-04-01 06:25

Anchor-Free即插即用 | 平滑标签分配+动态IoU匹配

Anchor-free检测器基本上将目标检测表述为密集分类和回归。对于流行的Anchor-free检测器，通常会引入一个单独的预测分支来估计定位的质量。当深入研究分类和质量估计的
自动驾驶之心·2023-04-01 05:35

CenterMask:Real-Time Anchor-Free Instance Segmentation

https://github.com/youngwanLEE/CenterMask网络结构实验效果主要工作：1、将MaskRCNN的检测分支替换为FCOS检测器2、在分割分支中引入SpatialAttentionGuidence3、提出VoVnet的改进版——VoVNetv2：增加shortcut变为residualblock将SEblock中降低通道维度的FC层去掉，保持通道维度不变具体改进：A
_忙中偷闲_·2023-03-25 09:41

Nanodet：手机端的 97FPS 的 Anchor-free 的目标检测模型

参考资料：YOLO之外的另一选择，手机端97FPS的Anchor-Free目标检测模型NanoDet现已开源~1、什么是NanodetNanodet是一个速度超快和轻量级的移动端Anchor-free目标检测模型
LCG22·2023-03-20 14:31

PP-YOLOE论文解读

AnevolvedversionofYOLO》github：https://github.com/PaddlePaddle/PaddleDetection/tree/develop创新点PP-YOLOE基于之前PP-YOLOv2进行优化，使用anchor-free
‘Atlas’·2023-02-07 12:32

simOTA 彻底理解

步骤大致是先进行正样本的预筛选，然后通过计算预选框与gt框的代价矩阵，1、正样本预筛选与FCOS类似，YOLOX是基于Anchor-Free的。对落在Gt框中的特征点预测位置的样本为正样本。
maxruan·2023-02-07 09:46

【论文阅读】A Simple Baseline for Multi-Object Tracking

ASimpleBaselineforMulti-ObjectTracking概述基于trackingbydetection的策略，沿用JDE的核心思想（即联合检测和嵌入向量的模型），将检测方法由anchor-base换成anchor-free
StarkerRegen·2023-02-06 17:40

知乎上看的文章的段落裁剪

anchor-free的方法能够在精度上媲美anchor-based的方法，最大的功劳我觉得应该归于FPN，其次归于FocalLoss。（内心OS：RetinaNet赛高）。
吃个小烧饼·2023-02-04 18:00

PPYOLOE

PP-YOLOE是基于PP-YOLOv2的单阶段Anchor-free模型，超越了多种流行的yolo模型。
小小小~·2023-02-02 13:47

【目标检测】|PPYOLOE

而PP-YOLOE中主要的改进点是：anchor-free，powerfulbackboneandneck，TAL动态labelassign，ET-head。
rrr2·2023-02-02 13:47

CenterNet：Objects as Points

不同于CornerNet预测一对角点得到bbox，以及基于CornerNet改进的CenterNet预测三个点得到bbox，本文提出的CenterNet同样作为一种anchor-free的目标检测方法，
Congc_fdd6·2023-02-01 08:14

CVPR 2022 | 针对目标检测的重点与全局知识蒸馏(源代码开源)

Edison_G今天介绍CVPR2022关于目标检测的知识蒸馏工作:FocalandGlobalKnowledgeDistillationforDetectors，只需要30行代码就可以在anchor-base,anchor-free
计算机视觉研究院·2023-01-31 15:45

CVPR 2022 | 针对目标检测的重点与全局知识蒸馏(FGD)

本文介绍我们CVPR2022关于目标检测的知识蒸馏工作:FocalandGlobalKnowledgeDistillationforDetectors，只需要30行代码就可以在anchor-base,anchor-free
我爱计算机视觉·2023-01-31 15:45
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他