Mar, 2018

使用特征精炼网络和分层多尺度架构检测头部

PDF
TL;DR本文提出了一种使用深度卷积神经网络实现室内场景下头部尤其是小头部准确检测的方法，其核心是特征细化网络（FRN）和级联多尺度架构，并使用 SCUT-HEAD 数据集进行测试，取得了最先进水平的表现。
head detectionconvolutional neural networksfeature refine netcascaded multi-scale architecturescut-head dataset
发现论文，激发创造
  • 物体检测的精细动态头

    本研究提出一种 fine-grained dynamic head 方法，结合 Feature Pyramid Network（FPN）和 spatial gate 的机制实现多尺度特征的表示，进一步提高了物体检测的效率和精确度。

    Dec, 2020

  • RCNet: 反向特征金字塔和跨尺度移位网络用于目标检测

    本篇研究提出一种新型的 RCNet 架构，由 Reverse Feature Pyramid (RevFP) 和 Cross-scale Shift Network (CSN) 组成，用于多尺度特征融合，在 MS COCO 测试集中证明 RCNet 能够显著提高 RetinaNet 等检测器的精度

    Oct, 2021

  • 多尺度级联全卷积网络人脸检测器

    本研究提出一种基于全卷积神经网络的三级级联结构，采用多尺度全卷积网络生成得分图，使用可能区域而非建议直接连接下一级级联，通过使用得分图可以在公共数据集上获得强大的人脸检测性能。

    Sep, 2016

  • Big-Little Net：一种高效的多尺度特征表示方法，用于视觉和语音识别

    该论文提出了一种新的卷积神经网络 (CNN) 架构，通过使用具有不同计算复杂度的多分支网络，在不同的尺度上频繁合并特征，以使用更少的计算实现多尺度特征，并在目标识别和语音识别任务上显著提高了模型效率和性能。

    Jul, 2018

  • AugFPN: 改进目标检测多尺度特征学习

    本文分析了现有的特征金字塔结构在物体检测方面的问题，提出了一种新的名为 AugFPN 的特征金字塔架构，成功应用在 Faster R-CNN、RetinaNet 和 FCOS 等模型中，显著提高了平均精度 AP。

    Dec, 2019

  • NAS-FPN：学习可扩展的特征金字塔架构用于目标检测

    本文介绍了使用神经架构搜索方法学习目标检测特征金字塔网络的新架构 NAS-FPN。NAS-FPN 采用自下而上和自上而下的连接方式，通过结合 RetinaNet 框架中的各种骨干模型，相比当前最先进的目标检测模型，在精度和延迟的交易方面取得更好的效果。NAS-FPN 在移动检测精度方面比 [32] 中的最先进的 SSDLite with MobileNetV2 模型提高 2 个方差值，并以更少的计算时间实现了 48.3 的检测精度，超过了 Mask R-CNN [10] 的检测精度。

    Apr, 2019

  • 特征金字塔网络用于目标检测

    该论文介绍了基于深度卷积网络的 Feature Pyramid Network（FPN），该网络利用深度卷积网络自带的金字塔多尺度特征，并在多种应用中取得了重大改进，尤其是在目标检测上。使用 FPN 的 Faster R-CNN 系统在 COCO 检测基准测试中取得了最先进的单模型结果。此外，该方法能够在 GPU 上以 5 FPS 的速度运行，是一种实用且准确的多尺度目标检测解决方案。

    Dec, 2016

  • 利用尺度不变和特征重新加权网络进行三维物体检测

    本文介绍了一种新型网络架构，利用前视图像和视锥形点云生成三维检测结果，使用 PointSIFT 模块和 SENet 模块来提高三维分割的性能和有效地估计三维边界框，实验结果表明该方法在使用高度稀疏的点云时比现有方法表现更优，广泛应用于室内和室外的实际场景中的三维物体检测。

    Jan, 2019

  • 用于高性能人脸检测的选择性细化网络

    本文介绍了一种新的单次检测人脸算法 —— 选择性精化网络（SRN），通过引入新奇的两步分类和回归操作，可以减少假阳性，同时提高定位准确性，随即提出了两个模块，选择性两步分类（STC）和选择性两步回归（STR），并设计可接受的感受野扩展块（RFE）来更好地捕获面部的一些极端姿势，最终在 AFW，PASCAL face，FDDB 和 WIDER FACE 数据集上均取得了最新的性能。

    Sep, 2018

  • HRDNet：用于小物体高分辨率检测的网络

    本文提出了基于高分辨率检测网络（HRDNet）和多深度图像金字塔网络 (MD-IPN)、多尺度特征金字塔网络 (MS-FPN) 的小目标检测方法，实验表明，该方法在小目标上具有最先进的性能。

    Jun, 2020