Object Detection - Nhận diện vật thể

Get Started. It's Free
or sign up with your email address
Object Detection - Nhận diện vật thể by Mind Map: Object Detection - Nhận diện vật thể

1. Centernet - Keypoint triplets for Object Detection - Phương pháp CenterNet dựa trên ConrnerNet phát hiện vật thể là một bộ ba thay vì một cặp để cải thiện độ chính xác.

1.1. Bingyi Kang, Zhuang Liu, Xin Wang, Fisher Yu, Jiashi Feng, Trevor Darrell National University of Singapore University of California, Berkeley

1.2. Triplets of keypoints

1.3. CenterNet, dựa trên CornerNet

2. DetNAS-Backbon Search for Object Detection(2019) - Present DetNAS to use Neural Architecture Search (NAS) for the design of better backbones for object detection.

2.1. DetNAS

2.2. NAS

2.3. Yukang Chen, Tong Yang, Xiangyu Zhang, Gaofeng Meng, Xinyu Xiao, Jian Sun

3. Li_Scale-Aware_Trident_Networks_for_Object_Detection_ICCV_2019_paper (2019) - Đề xuất TridentNet để khắc phục khó khăn của việc thay đổi tỷ lệ nhận diện vật thể.

3.1. TridentNet

3.2. Yanghao Li, Yuntao Chen, Naiyan Wang, Zhaoxiang Zhang, University of Chinese Academy of Sciences ,TuSimple, Center for Research on Intelligent Perception and Computing, CASIA. Center for Excellence in Brain Science and Intelligence Technology, CAS

4. Object Detection with Deep Learning-A Review (2019) - Convolutional Neural Network (CNN) - Mạng thần kinh chuyển đổi.

4.1. Zhong-Qiu Zhao , Member, IEEE, Peng Zheng, Shou-Tao Xu, and Xindong Wu , Fellow, IEEE. (2019)

4.2. CNN

4.3. Review

4.4. Deep learning

5. Few-show Object Detection via Feature Reweighting (2019) - Giải pháp cho vấn đề khi đào tạo thông thường cho một máy dò đối tượng dựa trên CNN chuyên sâu đòi hỏi một số lượng lớn các chú thích hộp giới hạn, có thể không có sẵn cho các danh mục hiếm. họ phát triển một máy dò vật thể có thể học được để phát hiện các đối tượng mới chỉ từ một vài ví dụ được chú thích.

5.1. CNN

5.2. Bingyi Kang, Zhuang Liu, Xin Wang,Fisher Yu, Jiashi Feng, Trevor Darrell National University of Singapore University of California, Berkeley

6. Feature_Pyramid_Networks_CVPR_2017_paper 2016, Giới thiệu Region Proposal Network (RPN) chia sẻ các tính năng tổng hợp hình ảnh đầy đủ với mạng phát hiện, do đố cho phép các đề xuất khu vực gần như miễn phí.

6.1. R_CNN

6.2. Shaoqing Ren, Kaiming He, Ross Girshick, and Jian Su. (2016).

7. FasterR-CNN-Shaoqing_Ren-Kaiming_He-Ross_Girshick-and-Jian_Sun 2017, Tính năng mạng kim tự tháp (FPN)

7.1. R_CNN

7.2. Tsung-Yi Lin1,2, Piotr Dollar, Ross Girshick,Kaiming He, Bharath Hariharan, and Serge Belongie.. (2017)

8. SQUEEZENET ALEXNET-LEVEL ACCURACY WITH (2017) - Nghiên cứu cả thiện độ chính xác của mạng thần kinh chuyển đổi CNN.

8.1. Forrest N. Iandola, Song Han, Matthew W. Moskewicz, Khalid Ashraf, William J. Dally2, Kurt Keutzer. (2017)

8.2. CNN

9. Decoupled classification refinement Hard false positive suppression for object detection (2020) - Sàng lọc phân loại tách rời

9.1. DCR

9.2. Bowen Cheng, Yunchao Wei, Rogerio Feris, Jinjun Xiong, Wen-mei Hwu, Thomas S. Huang, Humphrey Shi.