Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- pytorch
- Hungarian algorithm
- Average Precision
- Region proposal Network
- R-CNN
- Darknet
- detr
- Faster R-CNN
- Detection Transformer
- Non maximum suppression
- Map
- IOU
- Fast R-CNN
- hard negative mining
- Object Detection metric
- Anchor box
- AP
- Object Detection
- RoI pooling
- BiFPN
- multi task loss
- herbwood
- Multi-task loss
- YOLO
- RPN
- fine tune AlexNet
- object queries
- Linear SVM
- Bounding box regressor
- mean Average Precision
Archives
- Today
- Total
목록greedy merge strategy (1)
약초의 숲으로 놀러오세요
Overfeat 논문(Integrated Recognition, Localization and Detectionusing Convolutional Networks) 리뷰
이번 포스팅에서는 Overfeat(Integrated Recognition, Localization and Detectionusing Convolutional Networks) 논문을 읽고 정리해봤습니다. 이전에 읽었던 R-CNN 논문에서 Overfeat보다 R-CNN이 더 좋은 성능을 보였다는 언급이 있어, 굳이 Overfeat을 공부해야할까 고민했지만, 논문을 직접 읽고 생각이 달라졌습니다. 논문에서 다른 detection 모델과는 다른 구조나 학습 방법 등 새로운 시도가 있어 흥미로웠습니다. 실제로 이러한 접근 방법은 One-stage detector의 시초로서의 면모를 보이며, SSD, YOLO 등 후속 모델에 큰 영향을 주었다고 합니다. Overfeat을 공부하면서 cogneethi님의 블로그와..
Computer Vision/Object Detection
2020. 12. 4. 20:12