CVer

深度学习的未来:神经架构搜索
深度学习的未来:神经架构搜索

我们中的很多人知道ResNet的成功,当我们使用ResNet作为预训练网络时,有没有好奇过,怎么会有人能够想出这样的网络呢?这就是神经架构搜索做的事。

CNN网络结构的发展:从LeNet到EfficientNet
CNN网络结构的发展:从LeNet到EfficientNet

在图像中局部像素之间的联系较为紧密,而距离较远的像素联系相对较弱。因此,其实每个神经元没必要对图像全局进行感知,只需要感知局部信息,然后在更高层局部信息综合起来即可得到全局信息。卷积操作即是局部感受野的实现,并且卷积操作因为能够权值共享,所以也减少了参数量。

自然场景下的文字检测:从多方向迈向任意形状
自然场景下的文字检测:从多方向迈向任意形状

本次分享的主题是文字检测(Text Detection),分享者是旷视研究院检测组算法研究员谢恩泽。通过这篇文章,可以一窥旷视研究院近两年在该方向的工作与思考,并希望为计算机视觉社区带来启发,进一步推动文字检测技术的研究与落地。

轻量级神经网络:ShuffleNetV2解读
轻量级神经网络:ShuffleNetV2解读

这篇文章来自来自旷视和清华研究组,被ECCV2018所收录。为什么直接介绍shuffleNetV2,而不是从V1开始?因为V2的效果一定是比V1好的,并且V2是从V1上发展而来,这样我们就可以既学习了V2又学习了V1的不足。对照的学习,这样我jio得效率是最高的。

刷新WIDER Face多项记录!创新奇智提出高性能精确人脸检测算法
刷新WIDER Face多项记录!创新奇智提出高性能精确人脸检测算法

本笔记记录人脸检测算法 AFD_HP,来自AInnovation Technology Ltd, beijing(创新奇智),和PyramidBox++、VIM-FD、Improved SRN有点类似,都是性能小怪兽,在wider face上排名靠前,引入了现有人脸检测中很优秀的子模块,所有子模块都能对结果有积极影响(不过文中并没有消融实验评估各个子模块的贡献率),最终性能在wider face上就sota了

从Densebox到Dubox:更快、性能更优、更易部署的anchor-free目标检测
从Densebox到Dubox:更快、性能更优、更易部署的anchor-free目标检测

最近 Anchor-free (no-prior box)的概念又重新火热起来,anchor-free的概念从2015年densebox, yolov1开始出现,但一开始性能并不是很好,后来基于anchor(prior box)的概念的检测算法如faster rcnn, ssd性能有很大的提升,于是目标检测从此走进anchor时代,但是最近anchor-free的文章出现很多,目标检测发现不使用anchor依然可以达到较好的效果。今天要介绍的Dubox和Densebox都是由百度提出的无先验框的一阶段目标检测算法。

轻量级卷积神经网络的设计
轻量级卷积神经网络的设计

这篇文章将从一个证件检测网络(Retinanet)的轻量化谈起,简洁地介绍,我在实操中使用到的设计原则和idea,并贴出相关的参考资料和成果供读者参考。因此本文是一篇注重工程性、总结个人观点的文章,存在不恰当的地方,请读者在评论区指出,方便交流。