從YOLOF的觀點深入探究Feature Pyramid Networks (FPN)的背後價值
從YOLOF的觀點深入探究Feature Pyramid Networks (FPN)的背後價值 在物件偵測 (object detection) 領域，不論是 anchor-based或 anchor-free方法，FPN (feature pyramid network) 與其衍生架構是提升偵測 …
Continue ReadingShowing items from object detection
Unbiased Teacher: 探究並突破 Semi-Supervised Object Detection (SS-OD)
Unbiased Teacher: 探究並突破 Semi-Supervised Object Detection (SS-OD) 近年 semi-supervised learning由於同時享有 supervised的穩定性與使用 unlabeled data的方便性，逐漸成為主流的方法之一。在電 …
Continue Reading
通往Anchor-Free的真相：Object Detection的正負樣本定義
通往Anchor-Free的真相：Object Detection的正負樣本定義 在物件偵測的發展中，Faster-RCNN 所使用的anchor在往後的幾年主導了高精度detector的發展。隨著2019年許多高精度的anchor-free方法提出，anchor似乎已經不是高精度detector的 …
Continue Reading
MobileDets: FLOPs不等於Latency，考量不同硬體的高效架構
MobileDets: FLOPs不等於Latency，考量不同硬體的高效架構 關於深度學習模型可以說有兩個大方向：一個是不考慮運算量，追求最好的結果；另一個是在有限的運算量，追求足夠好的結果。明顯地，在應用端上後者尤其重要。 在這方面，2019年EfficientNet …
Continue Reading
DETR的天馬行空：用Transformer走出Object Detection簡潔Pipeline
DETR的天馬行空：用Transformer走出Object Detection簡潔Pipeline DETR (Detection with Transformer) 是2020年FAIR團隊發表於ECCV的論文 (Oral)。看大標題以為只是用NLP的神器Transformer 做文章，改個網路 …
Continue Reading
TridentNet: Object Detection多尺度的新視角
TridentNet: Object Detection多尺度的新視角 所謂的多尺度問題指的是同一個物件因為視角的遠近導致視覺上的大小變化，對於單一影像(monocular)相當難以分辨。其時不只是在object detection上，computer vision上的多尺度問題一直以來都是廣泛被討 …
Continue Reading