RefineDet模型总结 论文名称：Single-Shot Refinement Neural Network for Object Detection 论文地址：传送门 Introduction 我们知道，two-stage detector 精度高，但速度慢，one-stage detector速度快，但精度低。如果能将两者的优点结合起来，那就十分美好了。 One-stage 与 two-stage的最大差别在于是否有 2019-10-30
CornetNet && CenterNet && RepPoints 模型总结 CornerNet 论文名称：CornerNet: Detecting Objects as Paired Keypoints 论文地址：传送门 Introduction CornerNet最大的创新在于其突破了anchor的限制，使用两个点来表示物体的bounding box，并提出了corner pooling，且取得了不错的效果。 其指出基于anchor的one-stage detector 2019-10-30 目标检测
Mask R-CNN模型总结 论文名称：Mask R-CNN 论文地址：传送门 Introduction 本以为这篇文章是众多R-CNN系列的一个，然而看到作者是kaiming和Ross Girshick，再看知乎上各种“劝退目标检测”，足以见得这篇文章的重要性。事实上，Mask R-CNN确实成为这几年来的baseline。 我们知道目标检测的基本任务是localization和classification，而instanc 2019-10-30 目标检测
GHM总结 论文名称：Gradient Harmonized Single-stage Detector 论文地址：传送门 Introduction single-stage detector虽然面临着训练时的不协调，如正样本和负样本、易分类目标和难分类目标之间质量的巨大差异，但其不失为一种优雅且有效的方法。 在本文中，作者将这种不协调性归结到梯度问题，并提出了一种梯度协调机制（Gradient Harmon 2019-10-30 目标检测
RetinaNet模型总结 论文名称：Focal Loss for Dense Object Detection 论文地址：传送门 Introduction 目前在目标检测领域，two-stage detector（如R-CNN系列）通常能取得较好的精度，但速度较慢；而one-stage detector（如SSD、YOLO）通常速度比较快，但精度会较低。如何保持检测速度的同时，能够提高one-stage检测精度，作者指出类 2019-10-30 目标检测