Welcome to Prince's Blog!
这里是Prince的技术圈-
EAST: An Efficient and Accurate Scene Text Detector
- 论文：EAST: An Efficient and Accurate Scene Text Detector
- PyTorch版实现：songdejia/EAST
- Tensorflow版实现：argman/EAST
- 效果展示:
本篇博客介绍了EAST，一个单阶段场景文本检测模型，其优点有：结构简单，运行速度快，端到端等，是一篇可操作性很强的文章。
-
Temporal Action Detection with Structured Segment Networks(SSN)
最近开始看一些有关视频检测方向的文章，其中比较重要的一篇文章就是Temporal Action Detection with Structured Segment Networks，在这里做一些记录。
-
Soft(er)-NMS：非极大值抑制算法的两个改进算法
论文连接：
- Soft-NMS – Improving Object Detection With One Line of Code
- Softer-NMS: Rethinking Bounding Box Regression for Accurate Object Detection
之前用了一篇博客详细说明了NMS的原理，Cython版加速实现和CUDA加速版实现，然而NMS还是存在一些问题，本篇博客介绍两种NMS的改进——Soft-NMS和Softer-NMS，提高NMS的性能。
-
PyTorch RuntimeError: Trying to backward through the graph a second time
最近在使用Pytorch的时候，在backward函数中报backwrd两次的错误：
RuntimeError: Trying to backward through the graph a second time, but the buffers have already been freed. Specify retain_graph=True when calling backward the first time.但实际上我只使用了一次backward，在经过一些debug以后总结一下错误导致的原因。
-
Learning Transferable Architectures for Scalable Image Recognition(NASNet)
目前的分类网络等设计基本都是人工设计结构，比如ResNet，ResNext等等，这些人工设计的结构在性能上不一定能达到最优，因此出现了一些模型希望来“通过神经网络生成神经网络”，其中典型的算法就是NAS(Network Archtecture Search)，这种方法通过RNN来生成网络的连接结构，但是由于搜索空间过大，难以执行，因此本文希望能够减小网络的搜索空间，把搜索空间限定到Cell的搜索上，找到一个在小数据集上最优的Cell，迁移到大数据集上。
本文的贡献主要有以下几点：
- 设计了一种基于RNN的和增强学习的网络搜索算法，利用小数据集搜索网络最优结构
- 提出了在Cell上而不是在整个网络上搜索结构，减小搜索空间，并增加泛化能力
- ImageNet分类上比state of art提升3.1%
- Faster-RCNN上作为骨干网络提升4.0%
-
非极大值抑制算法（NMS）与源码分析
非极大值抑制是物体检测众多方法（包括但不限于深度学习方法）中的一个很重要的步骤，通常在模型训练结束以后，使用模型对输入图片进行预测，会预测出大量的框，这些框中很大一部分是重复的，但在置信度上有所不同，非极大值抑制的主要任务就是将重复的方框去掉，同一个物体只留下置信度最高的框。
Recent Posts
- 实现一个简易的计算图功能
- 从Python迭代器到PyTorch的DataLoader
- Region Proposal by Guided Anchoring
- Python装饰器详解
- 目标检测任务中mAP的计算
- TextSnake: A Flexible Representation for Detecting Text of Arbitrary Shapes
- EAST: An Efficient and Accurate Scene Text Detector
- Temporal Action Detection with Structured Segment Networks(SSN)
- Soft(er)-NMS：非极大值抑制算法的两个改进算法
- PyTorch RuntimeError: Trying to backward through the graph a second time
Categories
Tags