稀疏&集成的卷积神经网络学习(续)

2017 年 11 月 18 日 计算机视觉战队 Edison_G

昨天跟大家详细的说了分类,定位的一些相关知识,今天把剩下的最后一点知识给大家补充完整,也感谢大家一直的支持,谢谢!

昨天的推送告诉大家了分类方案,我们再温习一下:


今天我们简单的说说“基于类别聚合的目标检测”技术。该技术是基于候选区域实现的。


引入类别信息: 减少假阳性(False Positive),提高检测精度和效率


目标检测: 类别聚合(CA)

目标: 共现关系(CO)

DET: 实验结果

类别聚合:Run4 VS. Run3, 验证集上提高0.9%,但测试集上略低,可能是测试集和训练集在数据分布上存在差异;

共现关系: Run5 VS. Run4,在验证集和测试集上均提高;

多窗口融合有效: Run5 VS. Run1 / Run2 ,在验证集和测试集上均提高。

DET: 结果展示


  


登录查看更多
4

相关内容

【SIGIR2020】LightGCN: 简化和增强图卷积网络推荐
专知会员服务
73+阅读 · 2020年6月1日
专知会员服务
42+阅读 · 2020年2月20日
判别特征的学习方法用于人脸识别(文末源码)
计算机视觉战队
7+阅读 · 2019年3月28日
【泡泡点云时空】集成深度语义分割的3D点云配准
泡泡机器人SLAM
28+阅读 · 2018年11月24日
稀疏&集成的卷积神经网络学习
计算机视觉战队
6+阅读 · 2017年11月16日
深度判别和共享特征学习的图像分类
计算机视觉战队
6+阅读 · 2017年9月27日
Factor Graph Attention
Arxiv
6+阅读 · 2019年4月11日
Arxiv
4+阅读 · 2018年7月4日
Arxiv
13+阅读 · 2017年12月5日
VIP会员
相关资讯
判别特征的学习方法用于人脸识别(文末源码)
计算机视觉战队
7+阅读 · 2019年3月28日
【泡泡点云时空】集成深度语义分割的3D点云配准
泡泡机器人SLAM
28+阅读 · 2018年11月24日
稀疏&集成的卷积神经网络学习
计算机视觉战队
6+阅读 · 2017年11月16日
深度判别和共享特征学习的图像分类
计算机视觉战队
6+阅读 · 2017年9月27日
相关论文
Factor Graph Attention
Arxiv
6+阅读 · 2019年4月11日
Arxiv
4+阅读 · 2018年7月4日
Arxiv
13+阅读 · 2017年12月5日
Top
微信扫码咨询专知VIP会员