Introduction
1. NMS
1.1. IoU
1.2. 算法流程
1.3. 单类别多目标(例)
1.4. 多类别(例)
1.5. 常用流程
1.6.优缺点分析
1.7. 参考资料
2. Soft-NMS
2.1. 算法流程
2.2. 代码实现
2.3. 性能分析
2.4. 优缺点分析
2.5. 参考资料
3. Softer-NMS
3.1. 算法思想
3.2. 网络结构
3.3. 算法流程
3.4. 代码分析
3.5. 性能分析
3.6. 优缺点分析
3.7. 参考资料
Published with GitBook
3.6. 优缺点分析
3.6. 优缺点分析
论文提出的KL loss就是曼哈顿距离,但是通过KL散度去证明,让数学不太好的同学不明觉厉。
论文提出的Softer-NMS,本质是对预测的检测框加权求平均,为什么要这样,以及为什么让box高度重叠?Softer-NMS的理论没有在应该什么的地方深入。
results matching "
"
No results matching "
"