实用，小物体检测的有监督特征级超分辨方法 | ICCV 2019
论文提出新的特征级超分辨方法用于提升检测网络的小物体检测性能，该方法适用于带ROI池化的目标检测算法。在VOC和COCO上的小物体检测最大有5~6%mAP提升，在Tsinghua-Tencent 100K上的小物体检测则最大有约9点F1提升 来源：晓飞的算法工程笔记 公众号 论文: Better to Follow, Follow to Be Better: Towards Precise S
相关文章
- 1. 小物体检测的有监督特征级超分辨方法 | ICCV 2019 : Better to Follow, Follow to Be Better
- 2. 小物体检测的有监督特征级超分辨方法 |Tsinghua-Tencent
- 3. RGB-D物体检测无监督特征学习
- 4. 基于特征点的物体检测
- 5. 基于域适应的弱监督学习的物体检测：
- 6. 物体检测新方法
- 7. ICCV 2019 | RankSRGAN:排序学习 + GAN 用于超分辨率
- 8. 无监督特征权重
- 9. NeurIPS 2019 | DetNAS：首个搜索物体检测Backbone的方法
- 10. 【特征检测】Harr-like特征算法
- 更多相关文章...
- • Scala Trait(特征) - Scala教程
- • DTD - 实体 - DTD 教程
- • 常用的分布式事务解决方案
- • C# 中 foreach 遍历的用法
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。
最新文章
- 1. 「插件」Runner更新Pro版，帮助设计师远离996
- 2. 错误 707 Could not load file or assembly ‘Newtonsoft.Json, Version=12.0.0.0, Culture=neutral, PublicKe
- 3. Jenkins 2018 报告速览，Kubernetes使用率跃升235%！
- 4. TVI-Android技术篇之注解Annotation
- 5. android studio启动项目
- 6. Android的ADIL
- 7. Android卡顿的检测及优化方法汇总（线下+线上）
- 8. 登录注册的业务逻辑流程梳理
- 9. NDK(1)创建自己的C/C++文件
- 10. 小菜的系统框架界面设计-你的评估是我的决策
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 小物体检测的有监督特征级超分辨方法 | ICCV 2019 : Better to Follow, Follow to Be Better
- 2. 小物体检测的有监督特征级超分辨方法 |Tsinghua-Tencent
- 3. RGB-D物体检测无监督特征学习
- 4. 基于特征点的物体检测
- 5. 基于域适应的弱监督学习的物体检测：
- 6. 物体检测新方法
- 7. ICCV 2019 | RankSRGAN:排序学习 + GAN 用于超分辨率
- 8. 无监督特征权重
- 9. NeurIPS 2019 | DetNAS：首个搜索物体检测Backbone的方法
- 10. 【特征检测】Harr-like特征算法