会员服务
RetinaNet是2018年Facebook AI团队在目标检测领域新的贡献。它的重要作者名单中Ross Girshick与Kaiming He赫然在列。来自Microsoft的Sun Jian团队与现在Facebook的Ross/Kaiming团队在当前视觉目标分类、检测领域有着北乔峰、南慕容一般的独特地位。这两个实验室的文章多是行业里前进方向的提示牌。 RetinaNet只是原来FPN网络与FCN网络的组合应用，因此在目标网络检测框架上它并无特别亮眼创新。文章中最大的创新来自于Focal loss的提出及在单阶段目标检测网络RetinaNet（实质为Resnet + FPN + FCN）的成功应用。Focal loss是一种改进了的交叉熵(cross-entropy, CE)loss，它通过在原有的CE loss上乘了个使易检测目标对模型训练贡献削弱的指数式，从而使得Focal loss成功地解决了在目标检测时，正负样本区域极不平衡而目标检测loss易被大批量负样本所左右的问题。此问题是单阶段目标检测框架（如SSD/Yolo系列）与双阶段目标检测框架（如Faster-RCNN/R-FCN等）accuracy gap的最大原因。在Focal loss提出之前，已有的目标检测网络都是通过像Boot strapping/Hard example mining等方法来解决此问题的。作者通过后续实验成功表明Focal loss可在单阶段目标检测网络中成功使用，并最终能以更快的速率实现与双阶段目标检测网络近似或更优的效果。
1-800-SHARED-TASKS @ NLU of Devanagari Script Languages: Detection of Language, Hate Speech, and Targets using LLMs
Arxiv
0+阅读 · 11月11日
Calibrating Deep Neural Network using Euclidean Distance
Arxiv
0+阅读 · 10月23日
AutoPET Challenge III: Testing the Robustness of Generalized Dice Focal Loss trained 3D Residual UNet for FDG and PSMA Lesion Segmentation from Whole-Body PET/CT Images
Arxiv
0+阅读 · 9月16日
A Spatio-Temporal Attention-Based Method for Detecting Student Classroom Behaviors
Arxiv
0+阅读 · 9月9日
Dense Center-Direction Regression for Object Counting and Localization with Point Supervision
Arxiv
0+阅读 · 8月26日
A New Perspective on Speaker Verification: Joint Modeling with DFSMN and Transformer
Arxiv
0+阅读 · 9月8日
Renormalized Connection for Scale-preferred Object Detection in Satellite Imagery
Arxiv
0+阅读 · 9月9日
On Feasibility of Intent Obfuscating Attacks
Arxiv
0+阅读 · 8月29日
LithoHoD: A Litho Simulator-Powered Framework for IC Layout Hotspot Detection
Arxiv
0+阅读 · 9月16日
Deep-learning Assisted Detection and Quantification of (oo)cysts of Giardia and Cryptosporidium on Smartphone Microscopy Images
Arxiv
0+阅读 · 8月6日
Improving Calibration by Relating Focal Loss, Temperature Scaling, and Properness
Arxiv
0+阅读 · 8月21日
Learning to utilize image second-order derivative information for crisp edge detection
Arxiv
0+阅读 · 6月24日
Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification
Arxiv
0+阅读 · 6月3日
1st Place Solution to Odyssey Emotion Recognition Challenge Task1: Tackling Class Imbalance Problem
Arxiv
0+阅读 · 5月30日
Geometric Insights into Focal Loss: Reducing Curvature for Enhanced Model Calibration
Arxiv
0+阅读 · 5月1日
参考链接
微信扫码咨询专知VIP会员
Top