Paper：《YOLOv4: Optimal Speed and Accuracy of Object Detection》的翻译与解读

相关推荐

• YOLOv4详细分析 | 细数当前最佳检测框架小细节（附论文及源码下载）

  获取有趣.好玩的前沿干货! 来源:计算机视觉研究院 链接:https://medium.com/@jonathan_hui/yolov4-c9901eaa8e61 著作权归作者所有,侵删 前段时间,突 ...

• 重磅！就在刚刚，吊打一切的 YOLOv4 开源了！

  Tips ◎作者系极市原创作者计划特约作者Happy 欢迎大家联系极市小编(微信ID:fengcall19)加入极市原创作者行列 早上刷到YOLOv4之时,非常不敢相信这是真的! paper:http ...

• COCO新记录：60.6AP！微软提出采用注意力机制进行检测头统一的Dynamic Head

  作者丨happy 来源丨极市平台 编辑丨极市平台 极市导读 本文提出一种新颖的动态头框架,它采用注意力机制将不同的目标检测头进行统一.COCO数据集上实验验证了所提方案的有效性与高效性.以ResNeX ...

• LFFD：轻量级人脸检测器，不止是快

  该算法出自论文: LFFD: A Light and Fast Face Detector for Edge Devices https://arxiv.org/abs/1904.10633 代码开源 ...

• Paper：《Adam: A Method for Stochastic Optimization》的翻译与解读

  Paper:<Adam: A Method for Stochastic Optimization>的翻译与解读Adam: A Method for Stochastic Optimiza ...

• Paper：《Spatial Transformer Networks》的翻译与解读

  Paper:<Spatial Transformer Networks>的翻译与解读 <Spatial Transformer Networks>的翻译与解读 链接https: ...

• Paper之CV：《One Millisecond Face Alignment with an Ensemble of Regression Trees》的翻译与解读

  Paper之CV:<One Millisecond Face Alignment with an Ensemble of Regression Trees>的翻译与解读 One Milli ...

• Paper：2017年的Google机器翻译团队《Transformer：Attention Is All You Need》翻译并解读

  Paper:2017年的Google机器翻译团队<Transformer:Attention Is All You Need>翻译并解读 论文评价 2017年,Google机器翻译团队发表 ...

• Paper：《Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields ∗》翻译并解读

  Paper:<Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields ∗>翻译并解读论文:<Realt ...

• Paper：《Graph Neural Networks: A Review of Methods and Applications》翻译与解读

  Paper:<Graph Neural Networks: A Review of Methods and Applications>翻译与解读 <Graph Neural Netw ...

• Paper之EfficientDet: 《Scalable and Efficient Object Detection—可扩展和高效的目标检测》的翻译及其解读

  导读:2019年11月21日,谷歌大脑团队发布了论文 EfficientDet: Scalable and Efficient Object Detection .Google Brain 团队的三位 ...

• Paper：《Generating Sequences With Recurrent Neural Networks》的翻译和解读

  Paper:<Generating Sequences With Recurrent Neural Networks>的翻译和解读Generating Sequences With Rec ...

• Paper：2020年3月30日何恺明团队最新算法RegNet—来自Facebook AI研究院《Designing Network Design Spaces》的翻译与解读

  Paper:2020年3月30日何恺明团队最新算法RegNet-来自Facebook AI研究院<Designing Network Design Spaces>的翻译与解读导读:卧槽,卧 ...

• Paper：Xavier参数初始化之《Understanding the difficulty of training deep feedforward neural networks》的翻译与解读

  Paper:Xavier参数初始化之<Understanding the difficulty of training deep feedforward neural networks>的 ...