NeurIPS 2019 | DetNAS：首个搜索物体检测Backbone的方法
物体检测器一般使用图像分类网络的Backbone，因为和检测任务存在必定差别，这些Backbone每每不是最优的。本文中，旷视研究院提出DetNAS，这是首个用于设计更好的物体检测器Backbone的神经网络搜索方法；由DetNAS搜索出的框架在COCO上的性能超越了ResNet-50与ResNet-101，且模型计算量更低。本文已收录于神经信息处理系统大会NeurIPS 2019。 git
相关文章
- 1. NIPS2019：旷视提出DetNAS：首个搜索物体检测Backbone的方法
- 2. NeurIPS 2019 | 中科院、旷视提出DetNAS框架：一种可用于目标检测的Backbone搜索
- 3. 物体检测新方法
- 4. DetNet：一个为物体检测而生的Backbone
- 5. 物体检测-回归方法（YOLO+SSD）
- 6. 物体检测
- 7. 物体检测之选择性搜索(Selective Search)
- 8. 旷视科技提出物体检测专用Backbone——DetNet
- 9. 物体检测(1)--R-CNN物体检测
- 10. 【百度EasyDL物体检测】实践操作(单物体检测）
- 更多相关文章...
- • Hibernate的5种检索方式 - Hibernate教程
- • QBC的2种检索方式 - Hibernate教程
- • 常用的分布式事务解决方案
- • SpringBoot中properties文件不能自动提示解决方法
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章