2021 CVPR-ICCV等目标检测

1、You Only Look One-level Feature
分析fpn作用,减小fpn大小,提高模型速度
2、Dynamic Head: Unifying Object Detection Heads with Attentions
3、Generalized Focal Loss V2: Learning Reliable Localization Quality Estimation for Dense Object Detection
从预测框的分数入手,不好训练,容易崩
4、 PSRR-MaxpoolNMS: Pyramid Shifted MaxpoolNMS with Relationship Recovery
5、IQDet: Instance-wise Quality Distribution Sampling for Object Detection
6、Adaptive Class Suppression Loss for Long-Tail Object Detection
7、VarifocalNet: An IoU-aware Dense Object Detector
从预测框的分数入手,(不好训练,容易崩)
8、OPANAS: One-Shot Path Aggregation Network Architecture Search for Object Detection
9、Multiple Instance Active Learning for Object Detection
10、Equalization Loss v2: A New Gradient Balance Approach for Long-Tailed Object Detection
参考:https://mp.weixin.qq.com/s/x2TuAxesAb3dfJr-Cyzpsg
https://github.com/amusi/CVPR2021-Papers-with-Code#Object-Detection

ICCV
TOOD

其他:
YOLOX

版权声明:本文为CSDN博主「yang_daxia」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/yang_daxia/article/details/119212823

yang_daxia

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

深度学习在目标检测领域的发展历程综述

深度学习 基础知识和各种网络结构实战 ... 前言 先简要介绍一下目标检测,而面对目标检测,我们总是会提出的两点问题,这个物体是什么?以及它在哪里?而我对它用更确切的话说就是,对目标的定位和分类。目标检测主要做的工作就是这两个。 以2014年