点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：Sik-Ho Tsang编译：ronghuaiyang导读对DCN，DCNv1进行了升级，更多的可变形，更好的结果。Def...

本文代码地址：https://github.com/AINewHorizon/visualising-cnns机器在理解和识别图像中的特征和对象方面已经达到了99％的准确度。智能手机可以...

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”导读这是众多Anchor Free中比较有影响力的一篇文章，不光是效果好，而且思路清楚，简单，不需要任何trick，并将众多的视...

导读在本文中，我们提出了重用检测器主干网络来进行特征级别的目标搜索和区域切割的方法，这可以避免冗余的特征提取并降低计算成本。结合一个稀疏检测头，我们能够对高分辨率输入（例如1080P或更高）上的小物体进行检测，从而实现更高的性能。摘要扩大输入图像是促进小物体检测的一种直接且有效的方法。然而，简单的图像放大在计算和GPU内存方面都代价高昂。实际上，小物体通常稀疏分布并且局部聚类。因此，大量的特征提取

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：Leo Simmons编译：ronghuaiyang导读和人脸属性预测非常相似的一个应用。这篇文章描述了一个神经网络，它可...

请点击上方“AI公园”，关注公众号本文选自github作者：floodsun编译：ronghuaiyang作者一年前整理的东西，有些最新的论文没有包含进去，但是对于新手来...

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：Lawrence Alaso Krukrubo编译：ronghuaiyang导读一个巨大的，自监督学习的算法，性能更好。自监...

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：CreateMoMo编译：ronghuaiyang导读看了许多的CRF的介绍和讲解，这个...

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：amitness编译：ronghuaiyang导读仅使用10张带有标签的图像，它在CIFAR-10上的中位精度为78％，...

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：Ankesh Anand编译：ronghuaiyang导读利用数据本身为算法提供监督。对比自监督学习技术是一种很有前途的方...