Proposal

毕业论文开题报告撰写指南-宾夕法尼亚州立大学研究生写作中心

本期为大家介绍的是如何撰写科研论文的proposal，也就是通常我们所说的开题报
会议之眼·2022-11-26 09:18

python实现yolo目标检测_YOLO目标检测模型原理介绍

YOLO-v1介绍YOLO是一个端到端的目标检测算法，不需要预先提取regionproposal(RCNN目标检测系列)，通过一个网络就可以输出：类别，置信度，坐标位置，检测速度很快，不过，定位精度相对低些
weixin_39766867·2022-11-26 08:42

FPN (Feature Pyramid Networks) 多尺度特征详解

将FPN放在RPN网络中用于生成proposal：原来的RPN网络是以主网络的某个卷积层输出的featuremap作
Gallant Hu·2022-11-26 02:52

【行人检测】行人检测综述

1.pipelineProposalgeneration：滑窗，粒子窗(particle-window)，对象性方法(objectnessmethod)，区域建议网络(regionproposalnetworks
W.xyz·2022-11-25 21:29

吴恩达深度学习（笔记+作业）·第四课·第三周 目标检测（重点解析YOLO算法）

卷积的滑动窗口实现五、BoundingBox预测（YOLO算法的精髓）六、交并比IOU七、非极大值抑制non-maxsuppression八、锚框AnchorBoxes九、YOLO算法十、候选区域Regionproposals
手可摘星辰不去高声语·2022-11-25 20:22

【无标题】

AVOD论文解读论文地址：[1712.02294]Joint3DProposalGenerationandObjectDetectionfromViewAggregation(arxiv.org)代码地址
sky1_23·2022-11-25 19:57

TSI: Temporal Scale Invariant Network for Action Proposal Generation论文阅读笔记

论文地址：ACCV_2020_paper.pdfAbstract简单介绍了本文贡献，当前SOTA的方法对短动作检测的准确率很低。本文是第一个分析了样本不均衡问题，并设计了一种新的尺度不变的损失函数来缓解短动作学习不够的问题。为了进一步实现提案生成任务，作者还采用了边界评价和提案完整性回归的pipline。Introduction作者发现，在时序动作检测中，在完整性预测中容易遗漏较短的动作，这反映为
Encounter84·2022-11-25 08:51

【Deep Learning】SPP-Net

1.综述  在RCNN中，我们知道，需要为每个regionproposal进行一次卷积特征提取，也就是说，每张图片通过SS方法提取出来的约2k个
S大幕·2022-11-25 06:21

R-CNN论文阅读笔记

文章目录前言摘要regionproposalsselectivesearchObjectproposaltransformations给boundingboxes标标签CNN特征提取和SVM网络选取fine-tuning
--ccyyy·2022-11-25 03:54

Focal loss原理解析

前者是指类似FasterRCNN，RFCN这样需要regionproposal的检测算法，这类算法可以达到很高的准确率，但是速度较慢。虽然可以
zsffuture·2022-11-25 01:38

RCNN详解

RCNN详解RCNN即regionproposals（候选区域）+CNN，是将CNN引入目标检测领域的开山之作（2014年），大大提高了目标检测的效果，在其后也是出现了更优异的变体FastRCNN,FasterRCNN
panfengblog·2022-11-24 23:58

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

FasterR-CNN:基于RegionProposalNetworks的实时目标检测摘要State-of-the-art目标检测网络依赖于regionproposals算法假设目标位置。
Bulbbbb·2022-11-24 23:27

深度学习论文阅读目标检测篇（三）：Faster R-CNN《 Towards Real-Time Object Detection with Region Proposal Networks》

深度学习论文阅读目标检测篇（三）：FasterR-CNN《TowardsReal-TimeObjectDetectionwithRegionProposalNetworks》Abstract摘要1.Introduction
Jasper0420·2022-11-24 23:57

目标检测中的anchorproposals、Region Proposal什么意思？

1、proposalproposal：候选框。指的是二阶段方法中RPN的输出框，也就是对anchor第一次做回归得到的结果。
碧寒·2022-11-24 23:57

目标检测中region proposal的作用？

目标检测中regionproposal的作用？ssd,yolo训练网络的时候为什么要用anchorbox，图片不是有标groundtruthbox吗？为什么不能直接用这个训练呢？
baidu_huihui·2022-11-24 23:56

【目标检测】概念理解：region proposal、bounding box、anchor box、ground truth、IoU、NMS、RoI Pooling

本文主要对regionproposal、anchorbox、boundingbox、boundingboxregression、groundtruth、IoU、NMS、RoIPooling这些名字进行解释
kentocho·2022-11-24 23:25

【目标检测】Prime Sample Attention in Object Detection (CVPR 2020)

github.com/open-mmlab/mmdetection一句话总结：本文提出一种PrImeSampleAttention(PISA)抽样及学习策略，对目标检测算法产生的经过回归后的regionproposals
贱小杜·2022-11-24 19:43

Understanding 3D object detection for autonomous driving

awesome-Autopilot-algorithm基于单目图像的3D检测Task-AwareMonocularDepthEstimationfor3DObjectDetectionM3D-RPN:Monocular3DRegionProposalNetworkforOb
weixin_39589871·2022-11-24 17:10

We have deliberated on your proposal

我们已经仔细考虑了你的建议。deliberateon/over/upon:consider；thinkovercarefully仔细考虑再如：Wearestilldeliberatingoverthematter.我们仍在仔细考虑这个问题。from:http://sl.iciba.com:80/viewthread-60-341339-1.shtml
yourszhu·2022-11-24 17:48

目标检测—RCNN系列

本文回顾的是two-stage算法:RCNN系列One-stageandtwo-stage:one-stage:直接回归物体的类别概率和位置坐标值（无regionproposal），但准确度低，速度相比
Rainlin.Zhang·2022-11-24 15:42

faster-rcnn原理讲解

31426458经过R-CNN和FastRCNN的积淀，RossB.Girshick在2016年提出了新的FasterRCNN，在结构上，FasterRCNN已经将特征抽取(featureextraction)，proposal
weixin_34296641·2022-11-24 15:39

深度学习之路（四）：Fast-RCNN

regionproposalFast-RCNN顾名思义，就是快速的R-CNN，其目的就是解决R-CNN训练慢、检测慢的难题。
木子一一·2022-11-24 15:37

目标检测-RCNN家族

用CNN提取出RegionProposals中的featues，然后进行S
钟爽爽面·2022-11-24 15:34

[论文笔记] Line-CNN: End-to-End Traffic Line Detection With Line Proposal Unit

[论文笔记]Line-CNN:End-to-EndTrafficLineDetectionWithLineProposalUnitIEEETITS2019YangJian简介名词解释:LP:lineproposal
zhwangye·2022-11-24 12:13

目标检测篇-Faster-RCNN论文精读

②放入共享Convlayers③RPN计算proposals④RoiPooling层则利用proposals从featuremaps中提取proposalfeatures⑤送入后续全连接和softmax
xx忘记思考了·2022-11-24 10:02

ICCV21 - 无监督语义分割《Unsupervised Semantic Segmentation by Contrasting Object Mask Proposals》

文章目录原文地址初识相知回顾原文地址点我跳转到原文初识在无监督设置下，学习密集语义表征(densesemanticrepresentations)是一个非常重要的问题，这引导网络学习像素级的语义表征/嵌入，这对无监督语义分割非常重要。如果解决了这个问题，那么后续直接使用K-Means聚类将每个像素聚集到对应的sematicgroups就可以执行语义分割。目前采用的无监督表征学习(自监督学习)通常学
我是大黄同学呀·2022-11-24 08:53

17:Oriented R-CNN for Object Detection

1.介绍不同方案生成定向proposals的比较。(a)旋转RPN密集放置不同尺度、比例和角度的旋转锚点。(b)水平RoI的RoITransformer+学习型方案。它包括RPN、RoI对齐和回归。
热爱文学的码农·2022-11-23 21:13

深度学习之学习（2-1）Faster R-CNN 学习0

FasterR-CNN一、整体架构二、网络结构2.1、Convlayers2.2RPN(RegionProposalNetworks)2.3Anchors的生成规则2.4边界框回归原理与实现方法2.5损失函数
light169·2022-11-23 20:38

RCNN、FastRCNN、FasterRCNN、MaskRCNN目标检测

CNN训练是在imagenet上预训练好的，迁移进行fine-tuning训练，将最后一层替换为N类+1背景类输出，fine-tuning时正负样本选择：将与ground-truth的IoU≥0.5的proposal
S L N·2022-11-23 17:30

Faster RCNN与Mask RCNN

RegionProposalNetworks。RPN网络用于生成regionproposals。该层通过so
ruyingcai666666·2022-11-23 17:54

【论文】Cascade RPN: Delving into high-quality region proposal network with Adaptive Convolution

速览背景介绍相关工作（Multi-stageRPN.)AdaptiveConvolution(自适应卷积）CascadeRPNAlgorithm损失函数Results：https://proceedings.neurips.cc/paper/2019/file/d554f7bb7be44a7267068a7df88ddd20-Paper.pdf：https://github.com/thangvu
__一条秋刀鱼·2022-11-23 13:11

BMN：Boundary-matching network for temporal action proposal generation

VideoAnalysis相关领域解读之TemporalActionDetection(时序行为检测)-知乎本文投稿于@极视角公众号，链接为文章链接.上一篇VideoAnalysis相关领域解读之ActionRecognition(行为识别)-知乎专栏介绍了ActionRecognition领域的研究进展。ActionRecognition主要是用于给分割好的…https://zhuanlan.z
Kun Li·2022-11-23 07:16

FCOS要点解析

也就是说FCOS既没有proposals或者ROIPooling操作，也没有anchors来预
汪老板的员工1228·2022-11-23 00:48

深度学习笔记------现阶段的目标检测器结构解析（Neck[FPN,PANet,Bi-FPN],Head[rpn,yolo...]）

创建了自下而上的路径增强2.2.2AdaptiveFeaturePooling2.3Bi-FPN及FPN的演进ASFF，NAS-FPN，Recursive-FPN）3典型head回顾3.1RPN(RegionProposalNetwor
YOULANSHENGMENG·2022-11-22 19:32

【3D 目标检测】2019 CVPR Learning 2D to 3D Lifting for Object Detection in 3D for Autonomous Vehicles

CVPR2019Learning2Dto3DLiftingforObjectDetectionin3DforAutonomousVehicles3Dobjectdetection2DmonocularimagesautonomousdrivingscenariosProposalliftthe2Dimagesto3Drepresentationsusinglearnedneuralnetwork3
鹿鹿最可爱·2022-11-22 19:48

STARK论文记录（2021CVPR）：Learning Spatio-Temporal Transformer for Visual Tracking

将目标追踪看作一个直接的边界框预测问题，不需要任何proposal或者predefinedanchors。本文贡献:利用编解码Transformer，目标预测过程仅用了一个简单的全
三晚不过弦一郎·2022-11-22 15:08

fasterrcnn论文_【论文解读】精读Faster RCNN

FasterR-CNN论文链接：FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworks推荐代码：https://github.com
weixin_39601641·2022-11-22 13:14

Faster RCNN（1）论文阅读

借助CNN网络良好的特征提取和分类性能，通过RegionProposal方法实现目标检测问题。Richfeaturehier
stesha_chen·2022-11-22 13:13

faster-RCNN 论文笔记

faster-RCNN是一个单一联合检测网络，由两个特征共享的模型构成：1：深度全卷积网络（生成proposal区域）2：FastRCNN检测器（使用proposal）文章说，目前最先进的目标检测网络regionproposal
ture_dream·2022-11-22 13:13

Faster RCNN论文理解

文章目录Faster-RCNN1.Introduction2.RelatedWork3.FasterRCNNRPN之前的CNN(Backbone)3.1RegionProposalNetworks3.1.1Anchors3.1.2LossFunction3.1.3TrainingRPNs3.2SharingFeaturesforRPNandFastRCNN
KirutoCode·2022-11-22 13:07

目标检测经典之作-Fast RCNN论文解读

第一是如何去生成proposals；第二是前面生成的propasal都是粗略的，因此对这些proposal进行调整。1.2.为什么FastRCNN的论文里用r和c代表top和left？
FightingCV·2022-11-22 13:37

经典RCNN论文分享

二：网络结构三：具体步骤3.1RegionProposal3.2Featureextraction3.3Supervisedpre-training3.4Domain-specificfine-tu
不爱学习的分享·2022-11-22 13:06

End-to-End Object Detection with Transformers，DETR论文学习

非端到端的目标检测策略)2.1目标检测的任务2.2one-stage目标检测策略2.3two-stage目标检测策略2.4如何产生候选区域2.4.1滑动窗口法2.4.2选择性搜索算法2.4.3RPN网络（RegionProposalNetwork
吃蔬菜的狗·2022-11-22 12:11

论文小结：Part A^2 Net

版本更新时间更新内容作者1V1.02020.5.8完成小结的框架细节部分W.P.Xiao2目录文章目录PartA^2Net1简介2文章的贡献3整体框架4框架细节4.1Stage-I:Part-aware3Dproposalgeneration4.2Stage-II
Michael.CV·2022-11-22 10:13

两阶段3D目标检测网络 SIENet: Spatial Information Enhancement Network for 3D Object Detection from Point Cloud

这里重点是理解本文提出的Hybrid-ParadigmRegionProposalNetwork和SpatialInformationEnhancementmodule。
自动驾驶小学生·2022-11-22 10:04

(CVPR 2019) PointRCNN: 3D Object Proposal Generation and Detection From Point Cloud

整个框架由两个阶段组成：stage-1用于自下而上的3Dproposal生成，stage-2用于在规范坐标中细化proposal以获得最终检测结果。
fish小余儿·2022-11-22 08:33

(CVPR 2017) Joint 3D Proposal Generation and Object Detection from View Aggregation

所提出的神经网络架构使用LIDAR点云和RGB图像来生成由两个子网络共享的特征：区域proposal网络(RPN)和第二阶段检测器网络。
fish小余儿·2022-11-22 08:03

(CVPR 2017)VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection

为了将高度稀疏的LiDAR点云与区域proposal网络(RPN)连接起来，现有的大多数工作都集中在手工制作的特征表示上，例如鸟瞰图投影。
fish小余儿·2022-11-22 08:02

YOLO算法最全综述：从YOLOv1到YOLOv5

zhuanlan.zhihu.com/p/136382095YOLO官网：https://github.com/pjreddie/darknetYOLOv.sFasterR-CNN1.统一网络:YOLO没有显示求取regionproposal
Tom Hardy·2022-11-22 07:43

Go1.20 arena新特性示例详解

当时我们还想着Go团队应该不会接纳，至少不会那么快：懒得翻也可以看我再次道来，本文提到的提案《proposal:arena:newpackageprovidingmemoryarenas》，这其中的Arena
jh035512·2022-11-22 06:30
上一页 11 12 13 14 15 16 17 18 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他