V
主页
检测专题十:多尺度样本如何分配到不同Head
发布人
这一期内容我们讨论Anchor-free检测器中,多尺度的样本是如何被分配到不同Head进行学习的。具体会讨论不同的分配度量方式和度量的范围设定。这个环节非常重要,会对性能产生直接的影响,再往下深挖,就是目前检测很火的问题:label assign。希望能促使你有更多的思考。
打开封面
下载高清视频
观看高清视频
视频下载器
检测专题八:共享Head中为什么不能用BN
检测专题二:backbone作为检测网络的核心组件之一,究竟有何关键作用?
检测专题十六:DETR背后的思想
检测专题十八:小目标检测(一)
检测专题十七:DETR背后的思想(续)
检测专题四:如何设计检测网络的head
检测专题十三:重新认识FPN中
检测专题七:共享Head背后的核心逻辑
检测专题六:检测中如何处理目标尺度和图像分辨率之间的关系
检测专题十一:Anchor-based与Anchor-free检测方法的优劣势
检测专题二十二:目标分配的策略
检测专题二十一:重新审视Head中的分类和回归分支
检测专题二十:小目标检测(三)
检测专题五:检测网络结构设计,FPN与FCN孰优孰劣
检测专题十九:小目标检测(二)
检测专题十二:重新认识FPN上
检测专题三:检测网络中neck的核心作用
检测专题九:Centerness的重要性和合理性
目标检测中的标签分配策略做了什么?分配过程中的正负样本又是什么?
ECCV'24 Oral 满分论文 | SpikeYOLO:脉冲神经网络新进展,引领高能低耗目标检测新纪元
深度理解感受野(一):关于深度卷积神经网络,你应该知道的第一件事——感受野
检测专题十四:重新认识FPN下
使用 YOLOv8+改进 PSMNet 立体匹配,实现目标检测与测距
导师不教我来教!20分钟详解YOLOV10原理与代码,精简直接、通俗易懂!-深度学习/神经网络/目标检测
即插即用-CCF-A 2024最新交互卷积模块,可用于多尺度时序特征提取,指标提升!
深度理解感受野(二):抓住卷积神经网络的内在特性,学习感受野的计算少不了
分类、检测和分割这三类经典任务的深层神经网络结构是什么,背后又体现了怎样的设计原理?
希望大家都不要踩坑!研究生快速入门目标检测方向的学习路径分享!-神经网络/深度学习/计算机视觉/yolo
强!小目标检测全新突破!检测速度快10倍,GPU使用减少73.4%
检测专题十五:检测模型中训练与推理的不一致性问题
结合Transformer的YOLOv8多模态 融合可见光+红外光(RGB+IR)双输入 完美复现论文【附代码】
深度理解感受野(三):理解深度卷积神经网络的大杀器——有效感受野
检测专题(一):目标检测关键认知专题开篇了,跟Dr.He学检测,点赞关注不迷路
这才是科研人该学的!YOLOV5王者荣耀目标检测案例,新手入门YOLOv5必看的应用实战训练和讲解!太通俗易懂了,草履虫都能学会!机器学习|深度学习|计算机视觉
深度理解感受野(六):分割网络设计的背后,依赖的就是感受野的相关思想
【2024】最全目标检测课程,带你从零开始入门YOLO、R-CNN、Faster-RCNN,小学生都看懂了!人工智能/YOLOv10/v9/v8/v7/v6
膜拜!计算机大佬居然把目标检测YOLO系列最强两大算法:YOLOv5+YOLOv8讲解的如此通俗易懂!
多模态YOLOv8 融合可见光+红外光(RGB+IR)双输入 完整代码见评论区
计算机视觉实战封神之作!计算机博士6小时就将【人脸检测识别实战】讲的如此通俗易懂!建议收藏!——(人脸识别、口罩检测、Dlib模型训练、活体检测)
毕业项目|1小时掌握YOLOV8环境搭建!YOLOv8+注意力机制!自动安全报警系统、自动车牌识别、图像分类、检测、分类、细分、姿态等一口气学会