|----|------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 文献阅读笔记 |||
| 简介 | 题目 | SSD: Single Shot MultiBox Detector |
| 简介 | 作者 | Wei Liu, Dragomir Anguelov, Dumitru Erhan, Christian Szegedy, Scott Reed, Cheng-Yang Fu, Alexander C. Berg |
| 简介 | 原文链接 | https://arxiv.org/pdf/1512.02325v2.pdf 【精选】目标检测->SSD算法-CSDN博客 |
| 简介 | 关键词 | SSD |
| 简介 | 研究问题 | a method for detecting objects in images using a single deep neural network |
| 简介 | 研究方法 | Our approach, named SSD, discretizes the output space of bounding boxes into a set of default boxes over different aspect ratios and scales per feature map location. 解决了多尺度问题。 |
| 简介 | 研究结论 | SSD easy to train and can straightforward to integrate into systems that require a detection component. |
| 简介 | 创新不足 | 可以设置更好的bounding boxes,使其位置和特征比例图上每个位置的感受野更好地对其。 |
| 简介 | 额外知识 | Discretize:离散化 Eliminate:排除,消除 Encapsulate:总结 Utilize:利用 Unified:统一 Varients:变体 Prevailed:盛行 Benchmark:基准 Albeit:虽然 Intensive:密集的 High-end hardware:高端硬件 Offset:偏移 High-profile:高知名度的 Bounding box Default box Augmentation:扩充 Jaccard overlap:交并比 Aspect ratio:纵横比 Monotonically:单调地 Pruning:修剪 |
(论文阅读18/100)SSD: Single Shot MultiBox Detector
朽月初二2023-11-09 21:18
相关推荐
嫂子开门我是_我哥12 小时前
第十五节:文件操作与数据持久化:让程序拥有“记忆”hsg7712 小时前
本地部署开源数字人模型简介qq_4232339012 小时前
实战:用Python开发一个简单的区块链HZjiangzi13 小时前
手机外壳平面度用什么设备检测快?SIMSCAN精细模式+自动报告方案推荐全栈技术负责人13 小时前
前端团队 AI Core Workflow:从心法到落地KmjJgWeb13 小时前
基于YOLOv26的数字体温计检测与温度读取系统_2DS随心转小程序13 小时前
AI公式不乱码DuHz13 小时前
用于汽车应用的数字码调制(DCM)雷达白皮书精读李昊哲小课13 小时前
机器学习核心概念与经典算法全解析s石有八九13 小时前
PDF/文档LLM作业批改:2025年研究现状、技术进展与研究空白