首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

【目标检测】目标检测和实例分割中应用CIoU损失和Cluster-NMS,不牺牲推理效率的情况下,显著提高AP和AR

基于深度学习的目标检测和实例分割取得了前所未有的进展。在本文中,我们提出了CIoU (Complete-IoU)损失和Cluster-NMS来增强边界盒回归和非最大抑制(NMS)中的几何因子,在不牺牲推理效率的情况下,平均精度(AP)和平均召回率(AR)都有显著提高。在本文中,特别关注目标检测和实例分割中测量边界盒回归的三个关键点——重叠区域,归一化中心点距离和高宽比。为了更好地区分难回归的情况,将这三个几何因子被纳入到CIoU损失中。利用CIoU损失对深度模型进行训练,相比于广泛采用的n范数损失和IoU-based损失,结果得到一致的AP和AR改进。此外,我们提出了Cluster-NMS,其中NMS在推理期间是通过隐式聚类检测框来完成的,一般需要更少的迭代。由于它纯粹的GPU实现,可以合并几何因子提高AP和AR,所以Cluster-NMS是非常有效的。将CIoU损失和Cluster-NMS应用于实例分割(例如YOLACT)和目标检测(例如YOLOv3, SSD 和 Faster R-CNN)模型实验中,性能表现SOTA。以MS COCO上的YOLACT为例,使用NVIDIA GTX 1080Ti GPU可以达到27.1 FPS,同时本文的方法在目标检测上提升了1.7 AP和6.2 AR100,在实例分割上提升了0.9 AP和3.5 AR100。

01

用于隐私和所有者保管的数字货币架构(CS)

我们提出了一种数字货币方法,该方法将允许没有银行业务关系的人进行电子和私人交易,包括互联网交易和无现金交易的销售点交易。我们的提案引入了由政府支持的私有数字货币基础架构,以确保每笔交易都由银行或货币服务公司进行注册,并且依赖于由非隐私钱包提供的隐私增强技术(例如零知识证明)确保不披露交易对手。我们还提出了一种数字货币方法,该方法将使系统风险的清算,结算和管理更加有效和透明。我们认为我们的系统可以保留现金的重要特征,包括隐私,所有者保管,可替代性和可及性,同时还保留了部分储备银行和现有的两层银行系统。我们还表明,有可能引入涉及非托管钱包的数字货币交易监管,同时仍然允许非托管钱包保护最终用户的隐私。

02

易记性:信息实用性的图像可计算量度(CS)

图像中的像素以及它们构成的对象,场景和动作决定了图像是令人印象深刻的还是容易被忘记的。尽管记忆力会随图像而发生变化,但它在很大程度上独立于单个观察者。观察者之间的独立性使记忆力成为可计算图像的信息量度以及符合自动预测的条件。在本章节中,我们使用计算型镜头放大了记忆力,详细介绍了使用从原始像素到语义标签的不同比例的图像特征,它们可以准确地预测与人类行为数据相关的图像记忆力的最新算法。我们还会讨论人脸,物体和场景记忆性的算法和可视化的设计,以及从静态场景扩展到动作和视频的算法。我们将介绍最先进的深度学习方法,这些方法是记忆力预测领域中的当前领跑者。除了这些预测,我们还会展示人工智能的最新发展,这些方法可用于创建和修改视觉记忆力。最后,我们预览了记忆力可以增强的计算应用程序,从过滤视觉流到增强增强现实界面。

02
领券