深度检测模型在受控环境下非常强大，但在不可见的领域应用时却显得脆弱和失败。 所有改进该问题的自适应方法都是在训练时获取大量的目标样本，这种策略不适用于目标未知和数据无法提前获得的情况。 例如，考虑监控来自社交...

1、摘要 在目标检测中，定位和分类相结合的复杂性导致了方法的蓬勃发展。以往的工作试图提高各种目标检测头的性能，但未能给出一个统一的视图。在本文中，我们提出了一种新的动态头网络框架，以统一目标检测头部与注意。该方...

卷积神经网络是除了全连接神经网络以外另一个常用的网络结果，其在图像识别方面表现十分突出。本文结合Tensorflow：实战Google深度学习框架，讲述卷积神经网络常用数据集，介绍卷积网络的结构思想，以及通过TensorFlow实现其设...

我们提出了秩和排序损失，作为一个基于秩的损失函数来训练深度目标检测和实例分割方法(即视觉检测器)。RS损失监督分类器，一个子网络的这些方法，以排名每一个积极高于所有的消极，以及排序积极之间关于。它们的连续本地化质...

最近，跨域目标检测和语义分割取得了令人印象深刻的进展。现有方法主要考虑由外部环境(包括背景、光照或天气的变化)引起的域偏移，而不同的摄像机固有参数通常出现在不同的域中，并且它们对域自适应的影响很少被探索。在本...

由于自然界中对称模式的显著变化和模糊性，反射对称检测的任务仍然具有挑战性。此外，由于需要在反射中匹配局部区域来检测对称模式，标准的卷积网络很难学习这项任务，因为它与旋转和反射不相同。为了解决这个问题，我们引入了...

尽管近年来点云三维物体检测取得了快速进展，但缺乏灵活和高性能的建议细化仍然是现有最先进的两级检测器的一大障碍。 之前的3D建议精炼工作依赖于人为设计的组件，如关键点采样、集合抽象和多尺度特征融合，以产生强大的3...

三维物体通常表示为点云中的三维框。 这种表示模拟了经过充分研究的基于图像的2D边界框检测，但也带来了额外的挑战。 3D世界中的目标不遵循任何特定的方向，基于框的检测器很难枚举所有方向或将轴对齐的边界框匹配到旋转...

神经体系结构搜索(Neural Architecture Search, NAS)通过自动发现最优的体系结构，在有效减少网络设计的人工工作量方面显示了巨大的潜力。 值得注意的是，尽管目标检测在计算机视觉中具有重要的意义，但到目前为止，NAS算法...

当初写这篇博客的初衷只是记录自己学习SSD的一些心得体会，纯属学习笔记，后来由于工作上的需要，需要对小伙伴进行目标检测方面的培训，后来就基于这篇博客进行了扩展，逐渐演变成了现在的样子，本文力求从一个初学者的角度去讲...