晓飞的算法工程笔记

目前大部分的point-based目标检测算法(SSD, RetinaNet, FCOS)使用特征图的single-point进行定位和分类，但single-point特征可能没有足够多的信息来表达完整的实例以及实例的边界信息。很多研究通过各种手段补充single-point的…

优化器(Optimizer)对于深度神经网络在大型数据集上的训练是十分重要的，如SGD和SGDM，优化器的目标有两个：加速训练过程和提高模型的泛化能力。目前，很多工作研究如何提高如SGD等优化器的性能，如克服训练中的梯度消失和梯度爆炸问题，有效的trick有权值初始化、激活函数…

Standard Transformer，DETR采用标准的Transformer和前向网络FFN进行特征的处理以及结果的输出，配合精心设计的postion encoding以及object queries，不需要anchor，直接预测bbox坐标以及类别。 Set predi…

常规卷积操作的感受域是固定的，但不同大小的目标应该需要不同大小的感受域，甚至是不规则的感受域。为此，论文提出两个模块来使CNN具备几何变换的建模能力： deformable convolution，在常规的卷积中增加2D偏移值，可以将采样区域自由变形，如图1(d)。偏移值是可学…

增加可变形卷积的层数，使得DCNv2拥有更强的几何变换的学习能力，能够进行准确地预测。 在可变形卷积模块中增加调制机制，每次采样不仅进行偏移，还会使用学习到的权重进行调节，能够进行更复杂的几何变换学习。 为了充分榨干DCNv2提升的能力，借用知识蒸馏的方法进行训练，以R-CNN…

传统的卷积由于存在硬性的规则，在对于物体放大或旋转时，不能作出适应性的改变，而可变形卷积则通过改变输入的采样位置来进行适应性的改变，即改变理论感受域。但理论感受域并不能度量像素对输出的贡献，相比理论感受域，更重要的是有效感受域(ERF)，通过计算输出对应输入的偏导获得(与卷积权…

为了进行神经网络架构搜索，论文将网络限制为有限的深度，每层为预设的操作，但仍然存在很多候选网络，为了有效地在巨大的搜索空间中进行搜索，论文提出遗传算法进行加速。首先构造初始种群，然后对种群内的个体进行遗传操作，即选择、交叉和变异，通过识别的准确率来判断其适应性，最终获得强大的种…

经典RoI-based定位算法使用sibling head(2-fc)对proposal同时进行分类和回归，由于任务的本质不同，分类任务和定位任务是完全不同的，关注的特征也不一样，如图1所示。分类任务往往需要平移不变性，而定位任务则需要平移可变性。 具体属性的表现如公式10所示…

深度CNN带来了性能提升的同时也带来了过高的计算量，许多研究放在了如何进行网络加速上面，其中比较直接的是根据样本难易程度进行自动调整的自适应网络。基于对自适应网络的研究，论文提出了自适应网络RANet(Resolution Adaptive Network)，思想如图1所示，网…