实体
Region proposal networks for automated bounding box detection and text segmentation
Region proposal networks for automated bounding box detection and text segmentation
PulseAugur coverage of Region proposal networks for automated bounding box detection and text segmentation — every cluster mentioning Region proposal networks for automated bounding box detection and text segmentation across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
关系
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
对象检测模型详解：R-CNN、YOLO等
对象检测模型是深度学习架构，旨在识别和定位图像或视频中的特定对象。这些模型与标准图像分类器不同，它们提供本地化预测，包括每个检测到的对象的边界框坐标、类别标签和置信度分数。对象检测模型的主要家族是两阶段检测器，例如R-CNN系列，它们通过先提议区域然后对其进行分类来优先考虑准确性；以及单阶段检测器，例如YOLO和SSD，它们通过一次性预测框和类别来实现实时速度。
-
新方法提升少样本目标检测准确率
研究人员开发了一种新方法来改进少样本目标检测，通过解决新旧类别之间区域提议不平衡的问题。该方法在基础训练期间使用改进损失来提高对新类别的敏感度，并在微调期间在区域提议网络（RPNs）中引入辅助分支以生成更相关的提议。该技术取得了最先进的成果，在不影响推理速度的情况下，性能比现有方法提高了1-6%。