本文记录了pytorch的C++接口:libtorch和torchvision的编译安装过程。
本文是论文<LSTD: A Low-Shot Transfer Detector for Object Detection>的阅读笔记,该论文提出了小样本目标检测算法LSTD,结合了SSD和Faster R-CNN,且使用了迁移知识(TK)正则化和背景抑制(BD)正则化,取得了比较好的效果。
本文是论文<PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation>的阅读笔记,这篇论文提出了PointNet,是第一个可以对3D点云进行特征提取模型,进行分类和分割。
本文是论文<Past, Present, and Future of Simultaneous Localization And Mapping: Towards the Robust-Perception Age>的阅读笔记,该论文总结从各个方面详细的综述了SLAM的发展现状。
本文是论文<Regularization of Neural Networks using DropConnect>的阅读笔记,该论文提出了DropConnect,用于NN的正则化。
本文是论文<DropBlock: A regularization method for convolutional networks>的阅读笔记,该论文提出了DropBlock正则化方法,可以有效的应用卷积层。
本文是论文<Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression>的阅读笔记,该论文提出了Distance IoU loss(DIoU)和Complete IoU loss(CIoU)这两个用于目标检测的损失函数,并在此基础上提出了DIoU NMS算法。
本文是论文<Improving Object Detection With One Line of Code>的阅读笔记,该论文提出了Soft NMS方法。
本文是论文<M2Det: A Single-Shot Object Detector Based on Multi-Level Feature Pyramid Network>的阅读笔记,该论文提出了MLFPN,并与SSD结合组成了M2Det目标检测算法。MLFPN由FFM、TUM、SFAM三个模块组成。
本文是论文<Learning Spatial Fusion for Single-Shot Object Detection>的论文笔记,该论文提出了自适应空间特征融合( adaptively spatial feature fusion,ASFF)方法用于进行多尺度特征融合,并与YOLOv3结合提出YOLOv3-ASFF。