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
- 골빈해커
- 파이토치 김성훈 교수님 강의 정리
- MFC 프로그래밍
- 딥러닝 공부
- 모두의 딥러닝 예제
- 케라스 정리
- 해리스 코너 검출
- 팀프로젝트
- 가우시안 필터링
- TensorFlow
- 딥러닝 스터디
- 모두의 딥러닝
- Pytorch Lecture
- 미디언 필터링
- 파이토치
- object detection
- c언어 정리
- c언어
- 김성훈 교수님 PyTorch
- tensorflow 예제
- pytorch zero to all
- c++공부
- 영상처리
- C언어 공부
- pytorch
- 컴퓨터 비전
- 딥러닝
- 파이토치 강의 정리
- c++
- matlab 영상처리
Archives
- Today
- Total
목록anchor base object detection (1)
ComputerVision Jack
Focal Loss for Dense Object Detection
Focal Loss for Dense Object Detection Abstract 객체의 위치에 대한 가능성에 대해 regular, dense sampling 적용하는 one-stage detectors는 빠르고 간단하다. 하지만 two-stage detectors의 정확도 측면에는 다가가지 못했다. 앞의 이유 중 가장 큰 원인은 dense detectors 학습 시킬 때, foreground와 background 간의 class imbalance것을 발견했다. 이러한 원인을 해결하기 위해 cross entropy loss 수정하여 잘 분류된 예제에 대해선 down-weights 적용한다. 새로운 Focal Loss는 hard examples 집합에 초점을 두어 방대한 negative 집합이 학습 기간..
Reading Paper/Object Detection
2022. 3. 31. 13:34