Anchor-Free

一文读懂anchor-base和anchor-free

1.从Faster-RCNN看AnchorFaster-RCNN相对于Fast-RCNN的一个改进是引入了RPN网络，RPN用于区域推荐，替换了此前的SS算法使得网络在整体上更加的CNN化。那么RPN是怎么进行区域推荐的？简单来说RPN先列举出数万个矩形框，然后用卷积+softmax将这些矩形框分为前景和背景两类，同时对矩形框的边界进行回归修正，而这些矩形框就是anchor。接下来看看具体怎么做。
文冲的笔记·2022-02-19 07:17

2 anchor-base和anchor_free两者的优缺点

anchor-base和anchor_free两者的优缺点anchor-base和anchor_free两者的优缺点一、什么是anchor二、anchor-base和anchor-free的区别三、anchor-free
Silence_Zzz·2022-02-19 07:37

YoloX框架：高效更精确的目标检测框架（附源代码）

系列的基础上做了许多有意思的工作，其主要贡献在于：在YOLOV3的基础上，引入了“DecoupledHead”，“DataAugmentation”，“AnchorFree”和“SimOTA样本匹配”的方法，构建了一种anchor-free
计算机视觉研究院·2022-02-16 09:38

【目标检测】anchor-free—CenterNet总结

1904.07850))有两篇paper都为centernet（论文撞车，另一篇文章为CenterNet:KeypointTripletsforObjectDetection，基本思路异曲同工之妙，都是anchor-free
Ferraricaliforn·2022-02-15 20:37

旷视YOLOX论文思想理解

目录引语一、训练配置二、DecoupledHead三、数据增强：Mosaic和Mix-up四、Anchor-free五、Multipositives六、OTA(OptimalTransportAssignment
Geek L·2022-02-15 07:32

Win10下搭建旷视提出的YOLOX(新一代anchor-free目标检测网络)并训练自定义CoCo格式数据集

注意：原始的YOLOX只支持乌班图系统，因此以下所有操作均需要依赖博主自己的安装包。链接：https://pan.baidu.com/s/1CoQa8WjJ89gNfexK59Ewrw提取码：qhiv即使原始图像是长方形，在YOLOX的训练过程中博主也建议将原始图像resize到正方形，亲测正方形效果比保持原始比例高，这是YOLO系列网络的特性。为了满足模型能够高效落地化，工业界通常用两种模型：y
@会飞的毛毛虫·2022-02-14 07:18

（三十六）论文阅读 | 目标检测之BorderDet

简介图1：论文原文论文是ECCV2020Oral{\rmECCV\2020\Oral}ECCV2020Oral的一篇Anchor{\rmAnchor}Anchor-Free{\rmFree}Free目标检测论文
zhangts20·2022-02-14 07:03

Feature Selective Anchor-Free Module for Single-Shot Object Detection

FeatureSelectiveAnchor-FreeModuleforSingle-ShotObjectDetection这篇论文是在RetinaNet上加上anchor-free分支，使用anchor-based
yanghedada·2022-02-05 05:10

YOLOX: 让YOLO重回Anchor-Free, 成为最强YOLO

https://arxiv.org/abs/2107.084301.动机yolo系列一直以来都是目标检测领域最火的方法.从yolo2开始,yolo系列就一直是Anchor-based的检测器,而近年来Anchor-free
叶舟·2021-08-22 11:08

FoveaBox：细节差别，另一种DenseBox+FPN的Anchor-free方案 | IEEE TIP 2020

作为与FCOS和FSAF同期的Anchor-free论文，FoveaBox在整体结构上也是基于DenseBox加FPN的策略，主要差别在于FoveaBox只使用目标中心区域进行预测且回归预测的是归一化后的偏移值
·2021-07-27 19:37

DenseBox：思想超前的早期Anchor-free研究 | CVPR 2015

DenseBox检测算法的设计十分超前，如今很多Anchor-free方法有其影子，如果当时不是比FasterR-CNN晚了一点出现，可能目标检测领域很早就开始往Anchor-free的方向发展了 来源
·2021-07-27 19:55

FSAF：嵌入anchor-free分支来指导acnhor-based算法训练 | CVPR2019

FSAF深入地分析FPN层在训练时的选择问题，以超简单的anchor-free分支形式嵌入原网络，几乎对速度没有影响，可更准确的选择最优的FPN层，带来不错的精度提升 来源：晓飞的算法工程笔记公众号论文
·2021-07-27 19:49

YOLOX: Exceeding YOLO Series in 2021 --- Study Notes

作者将YOLO检测器转换为anchor-free的形式，并采用了其他的检
songyuc·2021-07-27 13:49

（学习笔记二）基于NanoDet模型的车辆检测项目

1.NaonoDet模型简介NanoDet是一个速度超快和轻量级的移动端Anchor-free目标检测模型，该模型的模型文件大小仅几兆（nanodet_m.pth仅3.86M），其在移动ARMCPU上的速度达到
初级炼丹师666·2021-05-05 19:37

CenterFace模型框架详解 轻量级anchor-free人脸检测器

论文地址：https://arxiv.org/ftp/arxiv/papers/1911/1911.03599.pdfgithub地址：https://github.com/Star-Clouds/centerfaceCenterFace是一个适用于内存和计算能力有限的边缘设备的轻量级人脸检测器，其大小只有7.3M。关于CenterFace论文的解读这里不再过多介绍，可以参考其他博客。本篇文章主要
李二胖对我很重要·2021-04-09 10:13

CornerNet: 将目标检测问题视作关键点检测与配对

通过将目标物体视作成对的关键点，其不需要在图像上铺设先验锚框(anchor)，可谓实实在在的anchor-free，这也减少了整体框架中人工设计(handcraft)的成分。为了让自己的梳理工作更好
CW不要无聊的风格·2021-03-31 17:57

Anchor-Free模型总结

文章目录Anchor-Free综述一.CornerNet1.1概述1.2模块介绍1.2.1Heatmap1.2.2Offset1.2.3GroupingCorners1.2.4CornerPooling1.3
影醉阏轩窗·2021-03-23 14:59

Anchor-Free总结

#https://github.com/zzzxxxttt/pytorch_simple_CornerNet/blob/767bf0af3229d9ffc1679aebdbf5eb05671bbc75/utils/losses.py#L34def_ae_loss(embd0s,embd1s,mask):num=mask.sum(dim=1,keepdim=True).float()#[B,1]pu
福伴·2021-03-17 10:37

【ICCV2019】全卷积一阶段检测器FCOS

FCOS的关键词是全卷积、Anchor-free，是近两年比较哇塞的检测器之一，它结构简单，运行速度快，不需要乱七八糟的前后设定，并且在COCO的mAP表现能超过一众anchor-based检测器。
木盏·2021-03-11 19:44

用opencv部署nanodet目标检测

深度学习目标检测方法可划分为Anchor-base和Anchor-free两大类，nanodet是一个速度超快和轻量级的移动端Anchor-free目标检测模型,并且它的精度不亚于yolo系列的。
nihate·2021-02-18 19:21

OpenVINO部署NanoDet模型

0x0.nanodet简介NanoDet（https://github.com/RangiLyu/nanodet）是一个速度超快和轻量级的Anchor-free目标检测模型。
爱CV·2021-01-30 12:14

NanoDet：这是个小于4M超轻量目标检测模型

摘要：NanoDet是一个速度超快和轻量级的移动端Anchor-free目标检测模型。
华为云开发者社区·2021-01-21 10:17

NanoDet：这是个小于4M超轻量目标检测模型

摘要：NanoDet是一个速度超快和轻量级的移动端Anchor-free目标检测模型。
华为云·2021-01-20 11:55

CPNDet：粗暴地给CenterNet加入two-stage精调，更快更强 | ECCV 2020

本文为CenterNet作者发表的，论文提出anchor-free/two-stage目标检测算法CPN，使用关键点提取候选框再使用两阶段分类器进行预测。
VincentLee·2021-01-19 13:52

CPNDet：粗暴地给CenterNet加入two-stage精调，更快更强 | ECCV 2020

本文为CenterNet作者发表的，论文提出anchor-free/two-stage目标检测算法CPN，使用关键点提取候选框再使用两阶段分类器进行预测。
VincentLee·2021-01-18 18:56

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。
VincentLee·2021-01-15 13:47

PIoU Loss：倾斜目标检测专用损失函数，公开数据集Retail50K | ECCV 2020 Spotlight

论文提出从IoU指标延伸来的PIoU损失函数，能够有效地提高倾斜目标检测场景下的旋转角度预测和IoU效果，对anchor-based方法和anchor-free方法均适用。
VincentLee·2021-01-15 13:14

yolo 深度学习_1.8M超轻量目标检测模型NanoDet，比YOLO跑得快，上线两天Star量超200...

点击上方↑↑↑“OpenCV学堂”关注我来源：公众号机器之心授权项目作者：RangiLyu如何把anchor-free模型移植到移动端或嵌入式设备？
weixin_39525007·2021-01-01 20:33

ATSS：一种自适应选择正负训练样本的策略（附源码实现）

Date:2020/12/03Author:CWForeword:当今目标检测算法非anchor-based即anchor-free，那么有哪些因素会造成它们之间的性能差异呢？
CW不要无聊的风格·2020-12-09 12:05

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。
VincentLee·2020-11-24 15:02

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~

昨天跟大家分享了NanoDet：轻量级（1.8MB）、超快速（移动端97fps）目标检测项目，今天作者发文公布了NanoDet原理，欢迎大家参考~本文已获作者授权转载。原链接：https://zhuanlan.zhihu.com/p/306530300上来先贴一下性能对比：华为P30上用NCNN移植跑benchmark，每帧仅需10.23毫秒，比yolov4-tiny快3倍，参数量小6倍，COCO
OpenCV中文网公众号·2020-11-24 10:54

技术解读丨目标检测之RepPoints系列算法

摘要：本文对anchor-free的目标检测RepPoints系列算法进行梳理，具体包含RepPoints,RepPointsV2,DenseRepPoints。
华为云开发者社区·2020-10-09 19:05

技术解读丨目标检测之RepPoints系列算法

摘要：本文对anchor-free的目标检测RepPoints系列算法进行梳理，具体包含RepPoints,RepPointsV2,DenseRepPoints。
华为云开发者社区·2020-10-09 13:20

【论文阅读-目标检测】Feature Selective Anchor-Free Module for Single-Shot Object Detection

这篇文章从视觉效果上来说，很大程度的提升了“小目标的”检测效果。一、主要内容这篇文章主要是针对FPN这种结构去做优化的，主要的优化点在于“如何去选择哪一层来回归目标”。以往的方法基本上都是基于“Heuristicfeatureselection”以及“overlap-basedanchorsampling”“Heuristicfeatureselection”：启发式的特征选择，我们利用size来
Hi_AI·2020-09-17 04:43

人脸检测最佳实践

anchror-based和anchor-free性能差距的根源在哪？目标检测之素材标注MTCNN:业界事实上的标准,训练总结只有深入理解了算法原理，才能够真正使用好算法，进而才有可能改
迷若烟雨·2020-09-16 23:51

目标检测|CornerNet 数据预处理ground truth heatmaps

简介CornerNet是最经典的Anchor-free方法，本博客主要介绍数据预处理中最核心步骤:groundtruthheatmaps。
jmujsc·2020-09-13 15:07

【实例分割论文】BlendMask: Top-Down Meets Bottom-Up for Instance Segmentation

它通过在anchor-free检测模型FCOS的基础上增加了BottomMod
三十八元·2020-09-13 14:15

深度学习中训练集正负样本数量不均衡问题

最近课题中遇到了这个问题，目标检测任务，anchor-free算法，一张特征图128*128，可能只有8个左右的正样本点，其他全是负样本点，训练起来效果很差。
TTTree_·2020-09-12 15:55

[CV] Anchor-Free Target Assignment 高斯核半径

[CV]Anchor-FreeTargetAssignment高斯核半径简介代码原理解释情况1情况2情况3简介有两篇经典Anchor-Free算法，CornerNet和CenterNet，TargetAssignment
lih627·2020-09-12 12:02

anchor-free目标检测

Anchor-free目标检测简介沿着two-step到one-step，anchor-based到anchor-free的发展路线，如今，目标检测（ObjectDetection，OD）已经进入anchor-free
周先森爱吃素·2020-09-12 08:43

PIoU Loss：倾斜目标检测专用损失函数，公开超难倾斜目标数据集Retail50K | ECCV 2020 Spotlight

论文提出从IoU指标延伸来的PIoU损失函数，能够有效地提高倾斜目标检测场景下的旋转角度预测和IoU效果，对anchor-based方法和anchor-free方法均适用。
晓飞的算法工程笔记·2020-09-09 17:00

目标检测算法综述，包括two-stage，one-stage，anchor-free等（未完）

2019年初的目标检测算法综述：ObjectDetectionin20Years:ASurvey本文只讲基于深度学习的主要算法。前言如图，深度学习算法之后的目标检测算法主要有两个分支，two-stage和one-stage算法。two-stage算法主要是RCNN系列，包括RCNN,Fast-RCNN，Faster-RCNN，其中RCNN和Fast-RCNN之间过渡了一个SPPNet。之后在Fas
ygfrancois·2020-08-26 16:12

FCOS训练自己的数据集

提出了anchor-free，这种idea让我这样的弟弟感到有机会熟练掌握一个检测
超超爱AI·2020-08-26 15:53

Anchor-free目标检测算法系列6：CSP(中心点+尺度预测)Center and Scale Prediction: A Box-free Approach for Object Detect

论文与CenterNet：Objectaspoints文章的思想很相似。以行人检测为例将目标检测简化为一个直接的全卷积式的中心点和尺度预测任务，CSP(CenterandScalePrediction)检测器结构简单。首先将一张图像输入全卷积网络，基于网络提取的特征图预测两个映射图，一个以热图的方式呈现目标的中心点位置，一个负责预测目标的尺度。在此基础上，便可以将两者映射到原图上并解译成目标检测框
Sesen_s·2020-08-26 15:40

Anchor-free目标检测系列3：CenterNet Object as points

CenterNet(一个中心点)CenterNet:ObjectsasPoints(2019.4.17)论文是由德克萨斯大学奥斯汀分校和UC伯克利学者共同提出的真正意义上anchor-free的算法。
Sesen_s·2020-08-26 15:40

CenterNet算法笔记

ObjectsasPoints论文链接：https://arxiv.org/abs/1904.07850代码链接：https://github.com/xingyizhou/CenterNet这篇CenterNet算法也是anchor-free
AI之路·2020-08-26 14:57

论文学习笔记 - FCOS

『写在前面』Anchor-free型检测器的代表作之一。
Wilber529·2020-08-26 14:56

PPDet：减少Anchor-free目标检测中的标签噪声，小目标检测提升明显

点击上方“AI算法修炼营”，选择“星标”公众号精选作品，第一时间送达这篇文章收录于BMVC2020，主要的思想是减少anchor-free目标检测中的label噪声，在COCO小目标检测上表现SOTA！
AI算法修炼营·2020-08-26 14:46

攻克目标检测难点秘籍六，释放Anchor的Anchor-Free算法

点击上方“AI算法修炼营”，选择加星标或“置顶”标题以下，全是干货前面的话在前面的秘籍一：模型加速之轻量化网络、秘籍二：非极大抑制算法和回归损失优化之路、秘籍三：多尺度检测、秘籍四：数据增强、秘籍五：解决样本不均衡问题中，我们主要关注了轻量化网络，非极大值抑制算法、回归损失优化、多尺度方法实现小目标检测、数据增强解决过拟合、引入OHEM、Focalloss函数解决样本不均衡问题等几大攻克目标检测难
AI算法修炼营·2020-08-26 14:46

CenterNet：Objects as Points--无锚框（anchor-free）系列的目标检测算法

简介看了很多关于CenterNet：ObjectsasPoints的博文，感觉大多都是将论文中的公式和内容翻译了一遍，所以在通读了论文之后，决定用通俗易懂的语言来介绍给大家，有什么不同观点欢迎讨论，下边进入正题。论文地址：https://arxiv.org/pdf/1904.07850.pdf发布时间：2019.4.16机构：UTAustin，UCBerkeley代码：https://github
Duets_QH·2020-08-26 13:37
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他