【目标检测】论文笔记 CVPR2019
2020-08-21 19:17
162 查看
Bounding Box Regression with Uncertainty for Accurate Object Detection
- 非极大抑制(non-maximun suppression,NMS)
- 本文目的:提出一种新颖的bounding box regression lossbounding\ box\ regression\ lossbounding box regression loss, for learning bounding box transformation and localization variance。
- 数据集:ImageNet,MS-COCO,CrowdHuman
- 对象检测器:Faster R-CNN,Cascade R-CNN,Mask R-CNN
- KL Loss使用的三个好处: 可以成功捕获数据集中的歧义。边界框回归器从模糊边界框中获得的损失较小。
- 学习到的方差在后处理期间是有用的。建议使用方差投票(variance voting),使用非极大抑制(NMS)期间通过预测方法加权的相邻方盒位置对候选方框的位置进行投票。
- 获得的概率分布是可解释的。由于它反映了边界预测的不确定性水平,因此可能对down-stream application应用(自动驾驶汽车和机器人技术)有所帮助。
第二点原文:We propose var voting (variance voting) to vote the location of a candidate box using its neighbors’ locations weighted by the predicted variances during nonmaximum suppression (NMS).
相关文章推荐
- 目标检测 | CVPR 2019 目标检测论文汇总
- 2019cvpr显著性目标检测论文
- CVPR 2019 论文解读 | 小样本域适应的目标检测
- CVPR2019 Feature Selective Anchor-Free Module for Single-Shot Object Detection 论文笔记
- 大合集!CVPR2020论文分方向整理: 目标检测/图像分割/姿态估计等,附打包下载(持续更新)
- CVPR2018论文看点:基于度量学习分类与少镜头目标检测
- Fast R-CNN 目标检测【论文笔记】
- CVPR2019 目标追踪相关论文
- 【技术层】##目标检测##论文笔记## 目标检测综述 arXiv1809.02165 Deep Learning for Generic Object Detection: A Survey
- 目标检测 CVPR 2019 FCOS
- CVPR 2016论文快讯:目标检测领域的新进展
- 目标检测研究方向(ICCV2013、CVPR2013、ECCV2013目标检测相关论文)
- 【目标检测】经典论文笔记(他山之石)
- 【CVPR 2019目标跟踪】论文速读
- 目标检测 Feature Pyramid Networks for Object Detection(FPN)论文笔记
- 目标检测、深度估计、无人驾驶 papers最新论文算法笔记
- ICCV2013、CVPR2013、ECCV2013目标检测相关论文
- GCAN: Graph Convolutional Adversarial Network for Unsupervised Domain Adaptation CVPR 2019论文笔记
- CVPR 2019 | Stereo R-CNN 3D 目标检测(翻译)
- CVPR 2016论文快讯:目标检测领域的新进展