文章

IoU是目标检测里的一个重要指标，它是通过计算预测框与真实框的交集和并集的比值来衡量预测框的优劣。但通常的预测框调整函数一般采用的是L2范数，即以MSE的方式来计算损失，而目前来看，一些研究表明这并非最优的优化函数，所以就有了IOU损失函数。 ...

不知不觉又积累了好多论文，真是让人憔悴呢。回归正题，神经网络在很多领域已经有了应用，在图像识别领域甚至已经超越人类的能力，而模型准确率的提高带来的是更高的算力要求。在实际工程应用中往往提供不了很高的计算能力，有些甚至在嵌入式平台上运行算法，这意味着那些高大上的算法根本是不可能部署上去的。谷歌继mobilenetv1后提出了其改进版本mobilenetv2，该模型更适合于轻量级部署，在保持运行速度的同时也能拥有能看的准确率。 ...

当前大部分的目标检测/分割模型是基于Fast/Faster RCNN和FPN，作者主要提供了一个可比的框架用于实例分割，即Mask R-CNN。 Introduction mask rcnn是通过在faster rcnn基础上，加一个分支用于并行地预测分割模板。该分支其实是一个小型的FCN网络，作用于每个ROI区域。 ...

是的，它来了。 简介 yolo3在$320\times 320$的分辨率输入下，准确率维持在$28.2mAP$，运行速度大致为$22ms$。 这个模型跟yolo2相比，并没有什么重大的改变，作者通过尝试许多技巧来提升模型性能，最后筛选出当前有用的一些技巧组合成yolo3。 ...