2018年arxiv object detection论文阅读-持续更新
1. An Anchor-Free Region Proposal Network for Faster R-CNN based Text Detection Approaches 论文原文见arxiv. 中心思想 对于尺度变化比较大的数据集来说，Faster RCNN的RPN阶段anchor的设计比较复杂，同时anchor只能预测水平的检测框，而不能预测带旋转角度的检测框，因此本文作者放弃了在R
相关文章
- 1. object tracking 论文阅读笔记（持续）
- 2. [论文阅读] Focal Loss for Dense Object Detection
- 3. 2018阅读书单（持续更新）
- 4. 论文阅读：CenterNet: Keypoint Triplets for Object Detection
- 5. 2017年阅读书单（持续更新）
- 6. 论文阅读：EfficientDet: Scalable and Efficient Object Detection
- 7. 论文阅读：Deep Neural Networks for Object Detection
- 8. 论文阅读-《Focal Loss for Dense Object Detection》
- 9. Focal Loss for Dense Object Detection论文阅读
- 10. 论文阅读-《Relation Networks for Object Detection》
- 更多相关文章...
- • RSS 阅读器 - RSS 教程
- • ADO 更新记录 - ADO 教程
- • JDK13 GA发布：5大特性解读
- • Scala 中文乱码解决
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
- 1. object tracking 论文阅读笔记（持续）
- 2. [论文阅读] Focal Loss for Dense Object Detection
- 3. 2018阅读书单（持续更新）
- 4. 论文阅读：CenterNet: Keypoint Triplets for Object Detection
- 5. 2017年阅读书单（持续更新）
- 6. 论文阅读：EfficientDet: Scalable and Efficient Object Detection
- 7. 论文阅读：Deep Neural Networks for Object Detection
- 8. 论文阅读-《Focal Loss for Dense Object Detection》
- 9. Focal Loss for Dense Object Detection论文阅读
- 10. 论文阅读-《Relation Networks for Object Detection》