일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 |
Tags
- c++공부
- 모두의 딥러닝 예제
- c++
- MFC 프로그래밍
- tensorflow 예제
- 딥러닝
- 해리스 코너 검출
- 딥러닝 스터디
- pytorch
- 모두의 딥러닝
- 김성훈 교수님 PyTorch
- 가우시안 필터링
- 팀프로젝트
- TensorFlow
- 컴퓨터 비전
- c언어 정리
- 파이토치 김성훈 교수님 강의 정리
- C언어 공부
- 파이토치
- 골빈해커
- Pytorch Lecture
- matlab 영상처리
- object detection
- 파이토치 강의 정리
- c언어
- 케라스 정리
- 딥러닝 공부
- pytorch zero to all
- 영상처리
- 미디언 필터링
Archives
- Today
- Total
목록CenterNet 장점 (1)
ComputerVision Jack

Objects at Points Abstract 대부분의 성능 좋은 object detectors는 가능성 있는 방대한 object location 리스트를 열거하고 각각을 분류한다. 이러한 방법은 낭비이며, 비효율적이고 추가적인 post-processing 필요로 한다. 논문에선 다른 접근 방법을 취한다. 객체를 single point 추론할 수 있게 모델을 설계한다. 해당 detector는 center point 찾기 위해 keypoint-estimation 진행하고, 서로 다른 모든 object properies에 대해 regression 진행한다. center point 기반의 접근 방법인 CenterNet은 end-to-end 구별이 가능하며 bounding box 기반인 detector 보다 ..
Reading Paper/Object Detection
2022. 4. 14. 12:29