CVPR 2020 Oral | 曠視提出目前最好的密集場景目標檢測算法:一個候選框,多個預測結果...

作爲 CVPR 2020 Oral展示論文之一, 該文提出一種簡單卻有效的基於候選框的物體檢測方法,尤其適用於密集物體檢測。該方法通過一個候選框、多個預測框的概念,引入 EMD Loss、Set NMS、精細優化模塊等新技術,並在 CrowdHuman 數據集上取得當前最佳結果,在擁擠程度更低的 CityPersons 數據集以及基本很少重疊的 COCO 數據集上也表現優良。論文代碼已開源。 目錄
相關文章
相關標籤/搜索