为了解决目标检测任务中小目标检测精度低、误检、漏检率高等问题，有研究者提出了一种基于YOLOv4卷积神经网络的多目标检测方法。 多目标检测作为目标检测领域的一个重要研究方向，一直受到研究人员的广泛关注。目前，在智...
论文地址：https://arxiv.org/pdf/2110.02178.pdf
开源代码：https://arxiv.org/pdf/2108.00580.pdf
边缘检测是计算机视觉中的一个基本问题。近年来，卷积神经网络(CNNs)的出现极大地推动了这一领域的发展。现有的方法采用特定的深层CNN，但由于尺度和纵横比的变化，可能无法捕捉到复杂的数据结构。今天分享的paper提出了一...
本文将两种生物视觉机制，分别是视网膜的非均匀采样机制和多种不同大小的感受野存在机制，应用到神经网络中，提高了神经网络的对抗鲁棒性。
深度系统介绍了 52 个目标检测模型，纵观 2013 年到 2020 年，从最早的 R-CNN、OverFeat 到后来的 SSD、YOLO v3 再到去年的 M2Det，新模型层出不穷，性能也越来越好！...
对于一些特定的环境，采用浅层神经网络对图片识别具有比较大的误差（例如：对于图片中狼和狗的辨别，对于狼而言，在不同的环境下或者不同的姿势拍的图片具有明显区别，但是如果狼和狗都在同一个环境下得到的图片，有可能十分的相似...
一直以来，深度神经网络的可解释性都被大家诟病，训练一个神经网络被调侃为“炼丹”。所得的模型也像一个“黑盒”一样，给它一个输入，然后得到结果，却不知道模型是如何得出结论的，究竟学习到了什么知识。如果能将其训练或者推...
卷积神经网络其实早在80年代，就被神经网络泰斗Lecun 提出[LeNet-5, LeCun 1980]，但是由于当时的数据量、计算力等问题，没有得到广泛使用。
红色石头之前在某乎上回答“机器学习该怎么入门”这个问题的时候，曾经给入门学者提过一个建议，就是放弃海量资料。确实，资料不在多而在精！一份优秀的资料完全可以帮助我们快速地入门和进阶。...
