暂无搜索历史
从几个例子中检测稀有物体是一个新兴的问题。 先前的研究表明元学习是一种很有前途的方法。 但是，精细的调音技术没有引起足够的重视。 我们发现，仅微调现有检测器的最...
传统的基于深度学习的目标检测方法需要大量的边界框标注数据进行训练，获得如此高质量的标注数据成本很高。少样本目标检测，学习适应只有少数带注释的例子的新类，非常具有...
少样本目标检测任务目的：给定support images，在query image找到所有与support images中种类相同的物体，如下图。
传统的目标检测方法通常需要大量的训练数据，并且准备这样高质量的训练数据是劳动密集型的（工作）。在本文中，我们提出了少量样本的目标检测网络，目的是检测只有几个训练...
不同于正常的目标检测任务，few-show目标检测任务需要通过几张新目标类别的图片在测试集中找出所有对应的前景。为了处理好这个任务，论文主要有两个贡献：
最先进的目标检测网络依赖于区域建议算法来假设目标位置。SPPnet和Faster R-CNN等技术的进步，降低了检测网络的运行时间，但是暴露了区域提案计算的瓶颈...
为了减少由域转移引起的检测性能下降，我们致力于开发一种新的少镜头自适应方法，该方法只需要少量的目标域映射和有限的边界框注释。为此，我们首先观察几个重大挑战。首先...
目标检测已经进入深度学习时代，但是传统方法还是有必要了解下，深度学习方法的思想也来源于传统方法，传统方法的文献非常多[9]，但只需要了解三个里程碑式的方法就可以...
目标检测与识别是指从一幅场景（图片）中找出目标，包括检测（where)和识别（what)两个过程。任务的难点在于待检测区域候选的提取与识别，所以，任务的大框架为...
首先我们需要知道anchor的本质是什么，本质是SPP(spatial pyramid pooling)思想的逆向。而SPP本身是做什么的呢，就是将不同尺寸的输...
IoU测量两个区域之间的重叠程度，在目标检测中衡量预测结果和标签(真实的目标边界)之间的重叠程度。
经过R-CNN和Fast RCNN的积淀，Ross B. Girshick在2016年提出了新的Faster RCNN，在结构上，Faster RCNN已经将特...
暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市
TA 很懒，什么都没有留下╮（╯＿╰）╭
