A Normalized Gaussian Wasserstein Distance for Tiny Object Detection
https://arxiv.org/pdf/2110.13389.pdf
wasserstein用来计算两个分布的距离。
论文思想：
对目标框进行高斯分布建模，
对于超参数C，经验上，当设为数据集平均绝对尺寸时，可获得最佳性能。
对于不同的数据集，设定不同的C。
实验
版权声明：本文为CSDN博主「放牛娃子」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/qq_22751305/article/details/121420518
--NeoZng[neozng1hnu.edu.cn] 5.2.3.目标检测 利用CNN我们已经可以完成对图像的识别和分类。但是这样是远远不够的，为了能准确定位图像中的物体，我们需要对图像中所有目标进行定位
paper：https://openreview.net/pdf?iduKhGRvM8QNH code：https://github.com/ArchipLab-LinfengZhang/Object-Detect
Faster RCNN的结构图如下： Faster RCNN优点 1.性能优越 Faster RCNN通过两阶段加上RPN，实现高精度的检测性能。 2.两阶段网络 相较于其他一阶段的检测网络，两
Mask RCNN 何凯明大神的经典论文之一，是一个实例分割算法，正如文中所说，Mask RCNN是一个简单、灵活、通用的框架，该框架主要作用是实例分割，目标检测࿰
暂无评论