PAA:PyTorch实现的论文``具有用于对象检测的IoU预测的概率锚分配''ECCV 2020(https-源码

上传者: 42131705 | 上传时间: 2021-03-18 17:09:14 | 文件大小: 4.67MB | 文件类型: ZIP
IoU预测的概率锚分配用于对象检测 姜金和熙锡李。 这是基于和 Probabilistic Anchor Assignment with IoU Prediction for Object Detection的PyTorch实现()。 笔记 现在,该代码支持PyTorch 1.6 。 在可以使用PAA。非常感谢的出色工作! 介绍 在对象检测中,确定将哪些锚分配为正样本或负样本(称为锚分配)已被公认为是可以严重影响模型性能的核心过程。在本文中,我们提出了一种新颖的锚点分配策略,该策略根据模型的学习状态将锚点自适应地分为正样本和负样本,用于地面真值边界框,从而能够以概率方式推理出分离。为此,我们首先计算以模型为条件的锚点的分数,并对这些分数拟合概率分布。然后使用根据锚概率分为正样本和负样本的锚对模型进行训练。此外,我们调查了培训和测试目标之间的差距,并建议预测检测到的盒子的交集在交集上,以作为

文件下载

资源详情

[{"title":"( 305 个子文件 4.67MB ) PAA:PyTorch实现的论文``具有用于对象检测的IoU预测的概率锚分配''ECCV 2020(https-源码","children":[{"title":"Dockerfile <span style='color:#111;'> 1.64KB </span>","children":null,"spread":false},{"title":"Dockerfile <span style='color:#111;'> 1.84KB </span>","children":null,"spread":false},{"title":"jupyter_notebook_config.py <span style='color:#111;'> 498B </span>","children":null,"spread":false},{"title":"ABSTRACTIONS.md <span style='color:#111;'> 2.59KB </span>","children":null,"spread":false},{"title":".flake8 <span style='color:#111;'> 247B </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多,未全部展示</span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明