ddbnet专题

(三十四)论文阅读 | 目标检测之DDBNet

简介 图1:论文原文 本文是发表在 E C C V 2020 {\rm ECCV\ 2020} ECCV 2020上的一篇关于目标检测论文,论文的关注点是 A n c h o r {\rm Anchor} Anchor- F r e e {\rm Free} Free方法中的边界框回归过程。由于在 A n c h o r {\rm Anchor} Anchor- F r

ECCV2020 | DDBNet:目标检测中的Box优化

点击上方“AI算法修炼营”,选择“星标”公众号 精选作品,第一时间送达 这篇文章收录于ECCV2020,作者团队是香港中文大学、腾讯优图、思谋科技等。整体文章思路通过深入了解box来优化anchor-free目标检测的性能,整体分为box分解和重组(D&R)模块和语义一致性模块,首先进行边界框的重组选择更准确的边界框,之后选择一致性强的像素来更精确地拟合目标范围,从而提高目标检测性能。思路还