Gaussian YOLOv3 : 對bbox預測值進行高斯建模輸出不確定性，效果拔羣 | ICCV 2019
在自動駕駛中，檢測模型的速度和準確率都很重要，出於這個原因，論文提出Gaussian YOLOv3。該算法在保持實時性的情況下，通過高斯建模、損失函數重建來學習bbox預測值的不確定性，從而提高準確率和TP，能夠顯著地降低FP，在KITTI和BDD數據集上分別提升了3.09mAP和3.5mAP。整體的思路類似於添加一個不確定性分支，沒有帶來過多的計算，設計十分巧妙，推薦大家閱讀學習 來源：曉飛
相關文章
- 1. ICCV2019-Gaussian YOLOv3
- 2. 高斯YOLOv3定位不確定性進行自動駕駛的精確快速物體檢測器
- 3. 【論文閱讀】Gaussian YOLOv3
- 4. Gaussian YOLOv3 | ICCV2019，Stronger YOLOv3（有論文翻譯）
- 5. 《Gaussian YOLOv3》論文筆記
- 6. 解讀Gaussian YOLOv3：終於有人對bbox的可靠性做文章了
- 7. 高斯模糊效果實現方案及性能對比
- 8. PFE[2019-ICCV]
- 9. [論文解讀]Gaussian YOLOv3: An Accurate and Fast Object Detector Using Localization Uncertainty
- 10. 高斯迴歸進行數據預測
- 更多相關文章...
- • SVG 模糊效果 - SVG 教程
- • Rust 輸出到命令行 - RUST 教程
- • 委託模式
- • Flink 數據傳輸及反壓詳解
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. ICCV2019-Gaussian YOLOv3
- 2. 高斯YOLOv3定位不確定性進行自動駕駛的精確快速物體檢測器
- 3. 【論文閱讀】Gaussian YOLOv3
- 4. Gaussian YOLOv3 | ICCV2019，Stronger YOLOv3（有論文翻譯）
- 5. 《Gaussian YOLOv3》論文筆記
- 6. 解讀Gaussian YOLOv3：終於有人對bbox的可靠性做文章了
- 7. 高斯模糊效果實現方案及性能對比
- 8. PFE[2019-ICCV]
- 9. [論文解讀]Gaussian YOLOv3: An Accurate and Fast Object Detector Using Localization Uncertainty
- 10. 高斯迴歸進行數據預測