- 综合排序
- 最热优先
- 最新优先
- 来自专栏深度学习自然语言处理
【论文推荐】《目标检测》必看的8篇论文【附pdf】
本文就为大家推荐其中8篇最新的目标检测论文。 Camouflaged Object Detection [8] 共同显著性目标检测的综合特征挖掘 Democracy Does Matter: Comprehensive Feature Mining for Co-Salient Object Detection 那么这些目标检测的论文怎样才能又好又快地吃透呢？ 这次我们请来了BAT算法工程师——张老师，推出【目标检测】YOLO V5论文精讲直播，为期2天，对论文和实验结果进行手把手分析，还有直播现场互动答疑，彻底夯实目标检测基础。 扫码添加客服 即可领取↓ 回复“目标检测论文”免费领目标检测论文PDF
1.7K10编辑于 2022-06-27 - 来自专栏CVer
8篇CVPR2019论文开源合集（含CNN目标检测GAN超分辨率行人检测文本检测等）
前言 CVer 之前推了上百篇CVPR 2019论文，部分内容如下： CVPR2019 | 12篇目标检测最新论文（FSAF/GS3D/Libra R-CNN/Stereo R-CNN和GIoU等） CVPR2019 | 60 篇论文速递（涵盖目标检测、语义分割和目标跟踪和GAN等方向） CVPR2019 | 10篇论文速递（涵盖全景分割、实例分割和姿态估计等方向） 8篇CVPR2019论文开源合集（含3D目标检测 、GAN、超分辨率、行人检测等。 目标检测 Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression 作者团队：斯坦福大学& ，我们使用基于标准，基于IoU和基于GIoU的新的性能度量对流行目标检测 benchmark 的性能进行了一致的改进检测基准，如PASCAL VOC和MS COCO。
4K20发布于 2019-06-05 - 来自专栏人工智能LeadAI
边缘检测论文笔记
正文共1856个字，8张图，预计阅读时间12分钟。 摘要：这篇论文提出了一种基于FCNN和深度监督网络的新的边缘检测算法HED，它解决了两个重要的问题，1）整体图片的训练和预测，2）多尺度多层级的特征学习。 下图中的图c即为HED输出的边缘检测结果，d-f是不同side layer（后面会具体提到）的输出，g-i是Canny边缘检测器的输出。可以看到HED效果明显更好。 ? 8cd9b33f-de83-464d-9ab4-5a18e94a35ea.png 同时，论文还特别探讨了隐藏监督层的必要性，即之前在侧输出层进行的卷积操作；因为会有人觉得有了权重混合层之后之前的隐藏监督层就没有必要了 bf0ceac9-69c8-49f4-a1da-e1f8210e5e52.png 总结：这篇论文提出的HED方法进行边缘检测还是很可靠的，它提出的这种从深度网络的每一层引一个侧面输出出来再进行混合的思想也可以借鉴
1.3K20发布于 2018-07-30 - 来自专栏计算机视觉理论及其实现
最新目标检测论文
预测器的遮挡性行人检测【5】CSPNet：可以增强CNN学习能力的新型Backbone【6】ReBiF：残差双融合特征金字塔网络，用于精确的Single-shot目标检测【7】目标检测的性能上界讨论【8 【12】IENet：方向性航空目标检测的One Stage Anchor Free检测器【13】MnasFPN：用于移动设备上目标检测的延迟感知的金字塔体系结构【14】IPG-Net：用于目标检测的图像金字塔引导网络 multi-oriented object detection》时间：20191123作者团队：华科(白翔组)&武大&上交链接：https://arxiv.org/abs/1911.09358注：本论文性能优于 Object Detection》时间：20191125（AAAI 2020）作者团队：华为诺亚&中山大学链接：https://arxiv.org/abs/1911.09929注：又一篇用NAS做目标检测的论文 ----【8】DIoU Loss：更快更好地学习边界框回归《Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression
1.9K30编辑于 2022-09-03 - 来自专栏CVer
一文看尽8篇目标检测最新论文(EfficientDetEdgeNetASFFRoIMixSCLEFGRNet等）
前言 有挺长时间没有更新论文速递了，这段时间的论文很多，但比较亮眼的论文并也不多。为了方便大家阅读，我已经将其中的目标检测（Object Detection）论文整理出来。 本文分享的目标检测论文将同步推送到 github上，欢迎大家 star/fork： https://github.com/amusi/awesome-object-detection 注意事项： 本文分享的目标检测论文既含刷新 COCO mAP记录的目标检测论文，也有追求 mAP 和 FPS trade-off的论文 论文发布时间段：2019年11月 目标检测论文 ---- 【1】SCL: Towards Accurate Domain 检测和速度性能优于YOLOv3！ ? ? ---- 【8】Learning Spatial Fusion for Single-Shot Object Detection 时间：20191122 作者：北京航空航天大学 链接：https://arxiv.org
2K41发布于 2019-12-05 - 来自专栏GiantPandaCV
目标检测论文解读之RCNN
前言 最近准备开始认真的梳理一下目标检测的相关算法，组合成一个目标检测算法系列。之前看到了一张特别好的目标检测算法分类的甘特图，但忘记是哪里的了，要是原始出处请提醒我标注。 ? 我也会按照这个图来讲解目标检测算法。 背景介绍 什么是目标检测 所谓目标检测就是在一张图像中找到我们关注的目标，并确定它的类别和位置，这是计算机视觉领域最核心的问题之一。 目标检测算法分类 上面那张甘特图已经说明了目标检测算法主要分为两类，即： Two Stage目标检测算法。 RCNN算法 贡献 RCNN是第一个使用卷积神经网络来对目标候选框提取特征的目标检测算法。 RCNN成为了当时目标检测领域的SOAT算法，虽然现在很少有人使用到了，但论文的思想我们仍可以借鉴。任何事情都要经历一个从无到有的过程。
92210发布于 2019-12-04 - 来自专栏arXiv每日学术速递
【论文推荐】《目标检测》必看的6篇论文【附pdf】
下面给大家介绍6篇有价值的目标检测论文，希望对大家的研究和工作有所帮助~ 凭借大量可用数据、更快的 GPU 和更好的算法，现在我们可以轻松训练计算机以高精度检测出图像中的多个对象。 本文就为大家推荐其中 6 篇有价值的目标检测论文。 目标检测论文推荐 2021 01 推荐理由：文章回顾了400多篇关于目标检测的论文，涵盖目标检测近20年的发展。 02 推荐理由：这篇论文作者提出一种简单而高效的通过解耦特征进行目标检测的蒸馏方法。 03 推荐理由：这篇论文为第一篇基于深度学习的无监督跨域目标检测论文，该文章对Faster R-CNN的图像级和实例级特征同时作对抗域自适应。 06 推荐理由：这篇文章提出了一种多层对抗网络用于适配双阶段检测器，所提出的网络主要包含两部分，分层域特征对齐和聚合的proposal特征对齐。 那么这些目标检测的论文怎样才能又好又快地吃透呢？
1.1K20编辑于 2022-05-23 - 来自专栏数据派THU
近期AI领域8篇精选论文（附论文、代码）
本文带你发掘近期8篇AI领域精选论文的亮点和痛点，时刻紧跟 AI 前沿成果。 in Large Domains @xcwill 推荐 #Dialog Systems 本文来自剑桥大学和 PolyAI，论文提出了一种新的强化学习方法来解决对话策略的优化问题。 围绕答案选择、最佳答案选择、答案触发三个任务，论文提出的模型 RTM 取得了多个 state-of-art 效果。 审议是人们日常生活中的一种常见行为，如阅读新闻、撰写论文/文章/书籍，在本文中，团队将审议过程引入到编码器 - 解码器框架中，并提出用审议网络进行序列生成。 论文链接：https://www.paperweekly.site/papers/1749
97080发布于 2018-06-07 - 来自专栏大数据那些事
keepalived（8）——http、tcp检测
再在192.168.19.137上开启httpd服务，发现keepalived检测到后将主机192.168。19.137重新加回lvs集群： ? ? 再去访问成功轮训： ? 实践完毕，最重要的就是对HTTP_GET配置段的合理规划 同样我们也可以设置tcp的检测方式（TCP_CHECK段）
1.2K40发布于 2020-11-11 - 来自专栏贾志刚-OpenCV学堂
【论文推荐】《目标检测》必看的6篇论文【附pdf】
本文就为大家推荐其中 6 篇有价值的目标检测论文。 目标检测论文推荐 2021 01 推荐理由：文章回顾了400多篇关于目标检测的论文，涵盖目标检测近20年的发展。 02 推荐理由：这篇论文作者提出一种简单而高效的通过解耦特征进行目标检测的蒸馏方法。 03 推荐理由：这篇论文为第一篇基于深度学习的无监督跨域目标检测论文，该文章对Faster R-CNN的图像级和实例级特征同时作对抗域自适应。 这次我们请来了BAT算法工程师——张老师，推出【目标检测】论文精讲直播，为期2天，对论文和实验结果进行手把手分析，还有直播现场互动答疑，彻底夯实目标检测基础。 扫码添加客服 即可领取↓ 免费领目标检测论文PDF
1.9K50编辑于 2022-04-28 论文检测，论文降AI率，降AI率的工具
一、精准检测，让 AI 痕迹无所遁形文字滚筒鸭拥有自研的前沿检测算法，对论文、自媒体文章等各类文本展开深度扫描。它就像一位经验老到的侦探，不放过任何一处 AI 生成的蛛丝马迹。 比如论文中那些过于规整、缺乏灵活变化的句式，或是自媒体文章里频繁出现的热门 AI 词汇组合，都逃不过它的 “法眼”。 经它检测出的 AI 率数据精准可靠，为后续降重提供坚实依据，让你对内容的原创度了如指掌。二、强力降重，一键抹去 AI 痕迹检测出问题后，重头戏来了 —— 降 AI 率。 三、论文查重，保驾护航学术之路对于学生和学者而言，论文查重是一道绕不开的关卡。文字滚筒鸭深知其重要性，与全网丰富的学术数据源实时对接，上传论文瞬间，便开启逐字逐句的严谨比对。 一旦发现重复内容，即刻标记，并结合降重功能，给出针对性修改建议，助力论文顺利通过查重，为学术创作筑牢诚信基石。
1.1K21编辑于 2025-04-23- 来自专栏机器学习炼丹术
轮廓检测论文解读 | 整体嵌套边缘检测HED | CVPR | 2015
参考目录： 0 轮廓检测 1 论文概述 2 HED结构 3 损失函数 4 损失函数 TF 5 总结 0 轮廓检测 轮廓检测，对我这样的初学者而言，与语义分割类似。 分割任务是什么我就不再赘述了，轮廓检测则是完成这样的一个任务： ? 论文中给出这样的对比图，看起来HED的效果非常的不错： ? 1 论文概述 相关论文：《Holistically-Nested Edge Detection》 论文链接：https://arxiv.org/abs/1504.06375 论文年份：2015 今天解读一篇论文 2 HED结构 来看下论文中给出的HED的结构图： ?
1.7K10发布于 2020-12-16 - 来自专栏专知
【论文推荐】最新5篇目标检测相关论文——显著目标检测、弱监督One-Shot检测、多框检测器、携带物体检测、假彩色图像检测
【导读】专知内容组整理了最近目标检测相关文章，为大家进行介绍，欢迎查看! 1. MSDNN: Multi-Scale Deep Neural Network for Salient Object Detection（MSDNN: 基于多尺度深度神经网络的显著目标检测） ---- 作者 Weakly Supervised One-Shot Detection with Attention Siamese Networks（基于注意力机制的Siamese网络的弱监督One-Shot检测） 期刊：arXiv, 2018年1月14日 网址： http://www.zhuanzhi.ai/document/7ba03632fa7f61fb8172f312de77552f 更多论文请上专知查看： PC登录 www.zhuanzhi.ai 点击论文查看
1.4K70发布于 2018-04-12 【论文解读】transformer小目标检测综述
鉴于这个主题的新颖性和复杂性，论文的评论主要优先考虑2022年后提出的作品。此外，论文还阐明了在更广泛的应用范围中用于定位和检测小目标的新数据集。 该结构将cnn提供的局部特征表示与不同分辨率的transformer提供的全局特征表示相结合（见图8）。 四、结果和基准在本节中，论文将定量和定性地评估以前的小目标检测工作，确定一个特定应用的最有效的技术。在此比较之前，论文引入了一系列专门用于小目标检测的新数据集，包括用于不同应用程序的视频和图像。 表8报告了几种最近开发的基于transformer的技术的映射。虽然transformer越来越多地用于视频目标检测，但它们在SOD中的性能仍然很少被探索。 六、结论本综述论文回顾了60多篇研究论文，专注于开发小目标检测任务的transformer，包括纯基于transformer和集成cnn的混合技术。
2.2K10编辑于 2024-02-21- 来自专栏登神长阶
【论文复现】实时开放词汇目标检测
概述 论文：YOLO-World: Real-Time Open-Vocabulary Object Detection 代码： AILab-CVC/YOLO-World: Real-Time Open-Vocabulary 为了应对固定词汇检测器的限制，开放词汇目标检测（OVD）的概念应运而生，旨在识别超出预先建立类别范围之外的对象。 YOLO检测器 YOLO-World 是基于YOLOv8开发出来的，它包含了Darknet的backbone作为图像encoder，一个路径聚合网络（PAN）构建多尺度特征金字塔，以及一个输出回归边界框和目标 注意：YOLO-World是在4个节点（每个节点配有8个GPU，总计32个GPU）上训练的。 ，下方的文本框输入想检测的类别，然后点击submit就能在右边生成检测结果。
2.9K10编辑于 2024-11-30 - 来自专栏CSDN社区搬运
检测图像P图痕迹(论文复现)
二、概述 本文通过解读并复现两篇论文，来揭秘AI图像篡改检测领域的相关研究。 四、论文思路 这两篇论文的核心思路是利用多视角和多尺度的方式来监督图像篡改检测模型的训练。传统的方法通常只关注整个图像,而这些工作认为不同的区域和尺度对于检测也很重要。 模型框架图 六、损失函数 为了实现多视角多尺度监督,这两篇论文都设计了相应的损失函数。ICCV论文只使用多尺度交叉熵损失,TPAMI论文将以下两种损失相加作为总损失。 通过这种方式，篡改检测模型能够生成一幅精确的篡改区域图，帮助用户识别和定位图像中的不真实内容。 由于原论文只给出了推理代码，而无训练代码，因此本文主要复现其训练过程，达到如上图所示结果。 ---------2.png ------------------… 然后再用以下加载数据集的代码读取图像文件以及mask图像： <span style="background-color:#f<em>8</em>f<em>8</em>f<em>8</em>
1.2K10编辑于 2024-11-15 - 来自专栏计算机视觉战队
作者亲自修改论文 | 水稻检测
一、简要 在本研究中，研究者提出了一种有效的深度卷积神经网络(DCNN)结构，利用手持照相机拍摄的照片来检测水稻的生长阶段(DVS)。 本研究提供了一种物候学检测方法来实时利用手持照相机图像，并对在现实场景中使用深度学习有了一些重要的见解。 然而，对作物物候学检测的深度学习研究仍然非常有限。Yalcin（Plant phenology recognition using deep learning: Deep-pheno.
67220发布于 2021-05-31 - 来自专栏计算机视觉战队
目标检测集 | ECCV 2020 论文大盘点(附论文&代码下载)
主要包括：弱监督目标检测、目标检测定位提精、带方向目标的检测、Anchor-free 目标检测、点云目标检测和少样本目标检测等。 ECCV2020所有论文下载地址：https://www.ecva.net/index.php。 ? Carlo Biffi, Steven McDonagh, Philip Torr, Ales Leonardis, Sarah Parisot 单位 | 华为；Mila Montr´eal；牛津大学 论文地址 Ji , Yan Wang, Zhiwei Chen, Feng Zheng ,Feiyue Huang , Yunsheng Wu 单位 | 厦门大学；Pinterest；南科大；腾讯优图（上海） 论文地址 作者 | Dongzhan Zhou, Xinchi Zhou, Hongwen Zhang, Shuai Yi, Wanli Ouyang 单位 | 悉尼大学，商汤CV研究小组；中科院&国科大；商汤 论文地址
98420发布于 2020-11-17 - 来自专栏新智元
带你读论文丨 8 篇论文梳理 BERT 相关模型
本文通过8篇论文梳理了BERT相关论文，并分析了BERT在各种任务中的效用。 BERT 自从在 arXiv 上发表以来获得了很大的成功和关注，打开了 NLP 中 2-Stage 的潘多拉魔盒。 MT-DNN 与知识蒸馏 Multi-Task Deep Neural Networks for Natural Language Understanding 这篇论文旨在将 Multi-Task 与 图 8：MT-DNN 在不同任务之间的迁移能力 MT-DNN 具有不错的迁移能力。如上图所示，MT-DNN 只需要 23 个任务样本就可以在 SNLI 中获得 82% 的准确率！ 该任务中表现最好的模型是 GIST，这里不详细展开，有兴趣的读者可以关注该论文。 ? CoRR abs/1901.11504. [8] Improving Multi-Task Deep Neural Networks via Knowledge Distillation for Natural
1.3K10发布于 2019-09-10 - 来自专栏量化投资与机器学习
AAAI 2021：仅有的8篇量化投资论文（论文+代码）
本届会议一共收到了 9034 篇的提交论文。其中，来自中国的 3319 篇论文数量几乎是美国（1822 篇）的两倍。在最终 7911 篇经过评审的论文中，共有 1692 篇被接收。 在这1692篇被接收的论文中，有8篇与量化投资相关，公众号注意到其中大部分论文的作者来自国内高校：有西南财经大学、上海交通大学及中国科学技术大学。 下面我们对每篇文章做一个简要的介绍，并在文末把8篇论文打包好，供各位小伙伴在国庆期间好好学习，天天向上。 第一篇 在金融领域，上市公司的动量溢出效应得到了广泛的认同。 相关代码 https://github.com/goiter/CoCPC https://github.com/yumoxu/stocknet-dataset 论文下载 后台回复：AAAI-2021
4.9K21发布于 2021-10-12
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号