小目標檢測中的數據擴展（Augmentation for small object detection）
Abstract 這些年來目標檢測領域經歷了令人印象深刻的進展。除了這些改進，在小目標檢測與大目標檢測領域還是有不小的差距。我們在MS COCO上分析了當前SOTA的模型Mask-RCNN。研究成果展示GT目標與預測的anchors的重疊遠遠小於期望的IoU閾值。我們猜測這可能是由兩個情況導致的：1、只有少部分樣本包含小目標；2、及時在包含小目標的樣本中，小目標的數目也不夠。我們因此提出過採樣
相關文章
- 1. 小目標檢測：Improving Small Object Detection
- 2. 【論文筆記】：Augmentation for small object detection
- 3. 目標檢測「Perceptual Generative Adversarial Networks for Small Object Detection」
- 4. 目標檢測 object-detection
- 5. 小目標檢測--A closer look: Small object detection in Faster R-CNN
- 6. 目標檢測--Focal Loss for Dense Object Detection
- 7. 【目標檢測】Retinanet：Focal Loss for Dense Object Detection
- 8. 目標檢測 | RetinaNet：Focal Loss for Dense Object Detection
- 9. 【目標檢測】Relation Networks for Object Detection
- 10. 目標檢測「Focal Loss for Dense Object Detection」
- 更多相關文章...
- • Swift 擴展 - Swift 教程
- • Kotlin 擴展 - Kotlin 教程
- • Flink 數據傳輸及反壓詳解
- • TiDB 在摩拜單車在線數據業務的應用和實踐
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 小目標檢測：Improving Small Object Detection
- 2. 【論文筆記】：Augmentation for small object detection
- 3. 目標檢測「Perceptual Generative Adversarial Networks for Small Object Detection」
- 4. 目標檢測 object-detection
- 5. 小目標檢測--A closer look: Small object detection in Faster R-CNN
- 6. 目標檢測--Focal Loss for Dense Object Detection
- 7. 【目標檢測】Retinanet：Focal Loss for Dense Object Detection
- 8. 目標檢測 | RetinaNet：Focal Loss for Dense Object Detection
- 9. 【目標檢測】Relation Networks for Object Detection
- 10. 目標檢測「Focal Loss for Dense Object Detection」