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 | 31 |
Tags
- pytorch
- 가우시안 필터링
- 컴퓨터 비전
- Pytorch Lecture
- 팀프로젝트
- c++
- 딥러닝 스터디
- 모두의 딥러닝 예제
- 파이토치 강의 정리
- 해리스 코너 검출
- 골빈해커
- C언어 공부
- matlab 영상처리
- tensorflow 예제
- 딥러닝 공부
- 딥러닝
- MFC 프로그래밍
- 케라스 정리
- pytorch zero to all
- c언어 정리
- 김성훈 교수님 PyTorch
- 영상처리
- 파이토치 김성훈 교수님 강의 정리
- TensorFlow
- 파이토치
- 모두의 딥러닝
- 미디언 필터링
- c++공부
- object detection
- c언어
Archives
- Today
- Total
목록CenterNet 장점 (1)
ComputerVision Jack
Objects at Points
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