Welcome to Prince's Blog!
这里是Prince的技术圈-
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。
-
FasterRCNN
物体检测领域（Object Detection）领域是计算机视觉的经典问题，其目标是在输入图像中寻找特定类别的物体，并使用矩形框将物体包括在内，并预测出该框的类别。深度学习在物体检测领域已经取得了相比于传统视觉方法质的提升，其中很重要原因就是单阶段检测方法（One-Stage Method）和两阶段检测方法（Two-Stage Method）的出现，本篇博客将就物体检测Two Stage检测经典方法Faster RCNN做一些简单的总结，结合一些源码给出个人的理解。
-
Object Detection via Region-based Fully Convolutional Networks
在Detection任务中现在主要分为one stage和two stage两种方法，其中典型的方法分别是Faster-RCNN和SSD，两种方法各有优缺点，对于Faster-RCNN这一族的主要缺点就是比较慢，原因在前几篇文章中都提到了，Faster-RCNN使用了RPN来加速Selective Search的过程，并且使网络实现了End to End。R-FCN重点解决了FasterRCNN头（header）比较重的问题，利用本文中提出的PS-ROIPooling，使RPN提出的每一个ROI，都在Backbone网络的顶层特征图上提取一次，而不再次经过特征提取，从而加速的Faster RCNN的训练和测试速度。
参考代码: https://github.com/princewang1994/R-FCN.pytorch
-
Group Normalization
文章地址 arXiv:1803.08494
Group Normalization是今年何凯明大神的新作，抽时间拜读了一下，收获良多，也给了我在normalization和group conv上的一些新的理解，由于篇幅原因，在这篇博客中没有添加分组卷积的内容，如果有需要以后会继续补充。
-
Context Encoding for Semantic Segmentation
文章地址Context Encoding for Semantic Segmentation
语义分割的目标是逐像素分类，对图像中的某一个点进行分类，早期的语义分割任务基于阈值法（自适应阈值OTSU也算是阈值法）效果不好，自Jonathan Long等人提出FCN网络，通过使用没有FC层等需要固定输入大小的网络结构，采用一个几乎通体都是卷积层的网络结构学习输入图像，最后输出一个与输入图像大小一致（或比输入图像稍小）的特征图，最后通过1x1的卷积层来对像素点进行分类。这种FCN结构对整个语义分割任务来说，是一个质的飞越，神经网络也在语义分割这个任务上达到了最好的结果。
不过深度学习用在语义分割上还存在着不少难以解决的问题，如多尺度图像问题，或是上下文信息的利用问题等，后来的U-Net，Deeplab，RefineNet，PSPNet都各自使用了不同的结构与方法来解决这些问题，本文的立足点是利用Context上下文信息增强语义分割效果，主要贡献有以下几点：
- 结合传统“字典学习”的方法提出了一种使用上下文信息的结构：Context Encoding Module(CEM)
- 基于CEM设计了一种网络结构EncNet用来使用上下文信息增强语义分割效果
- 在COCO上达到了state of art
- CTC详解
- Softmax函数求导详解
- 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)