文章

目标检测中因为定位和分类分支合并的复杂性而产生了许多算法，这些方法从不同角度出发提升了算法性能，但难以进行统一度量。论文采用多个注意力机制将不同的目标检测头进行统一，主要有特征层次的注意力、空间位置的注意力、通道间的注意力，分别对应于尺度感知、空间感知和任务感知。该方法可以在不增加计算量的情况下明显地提升模型性能。 ...

让它动起来。 Dynamic Convolution 一般的静态卷积用同一个卷积核对所有输入图像做相同的操作，而动态卷积会对不同的图像做调整，用更适合的卷积参数进行处理，这样可以在不增加网络深度或宽度的情况下增加模型的表达能力。 ...

数学是科学之王。 ——高斯 概率无向图模型 在了解概率无向图模型之前，先看看概率图模型（PGM，probabilistic graphical model）的定义：它是由图表示的概率分布。设有联合概率分布$P(Y)$，$Y\in \mathcal{Y}$是一组随机变量，由无向图$G=(V, E)$表示概率分布$P(Y)$，即在图$G$中，结点$v\in V$表示一个随机变量$Y_v$，$Y_v=(Y_v)_{v\in V}$；边$e\in E$表示随机变量之间的概率依赖关系。 ...

图像分割是对图像进行像素级的分类，主要有语义分割(Semantic Segmentation)和实例分割(Instance Segmentation)。语义分割只要求做到像素层面的分割，而实例分割要求在语义分割的基础上实现对不同个体的分割。这篇文章主要简单介绍几种基础的语义分割网络。 ...