文獻精讀——（第十六篇）DSSD
一、文獻梳理 1、文獻背景 回顧目標檢測的發展歷程，在基於現有深度學習方法的基礎上，還要提升檢測精度的話，其中兩個途徑就是更好的特徵提取網絡和增加上下文信息，尤其對小物體檢測而言更是如此。DSSD是SSD算法改進分支中最爲著名的算法，它對要解決SSD算法在對小目標不夠魯棒的問題。 2、研究成果 1）模型意義 把SSD的基準網絡從VGG換成了Resnet-101，增強了特徵提取能力； 使用反捲積層（
相關文章
- 1. 文獻精讀——（第十八篇）YoLo3
- 2. 文獻精讀——（第五篇）GoogleNet
- 3. 文獻精讀——（第二十四篇）Deep Convolutional GAN（DCGAN）
- 4. 文獻精讀——（第二十三篇）原生GAN
- 5. 文獻精讀——（第十四篇）目標檢測綜述
- 6. 文獻精讀——（第二十篇）Mask R-CNN
- 7. 【論文快讀】DSSD
- 8. 十，文獻研讀
- 9. 文獻精讀——（第八篇）MobileNet V1與V2
- 10. 文獻筆記十六
- 更多相關文章...
- • C# 文本文件的讀寫 - C#教程
- • C# 二進制文件的讀寫 - C#教程
- • 三篇文章瞭解 TiDB 技術內幕——說存儲
- • 三篇文章瞭解 TiDB 技術內幕 —— 說計算
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
