在本文中,作者提出了RS Loss,作为一个新的ranking-based的损失函数来训练目标检测和实例分割模型。不同于现有的ranking-based方法,RS Loss根据定位的质量对正样本进行了排序。基于RS Loss,作者采用了一种简单的、基于损失值的、无需调参的启发式算法来平衡visual detector中的所有head。最终,作者通过实验证明了RS Loss在一个检测和分割方法上的有效性。

成为VIP会员查看完整内容
15

相关内容

专知会员服务
10+阅读 · 2021年10月3日
专知会员服务
34+阅读 · 2021年8月27日
专知会员服务
42+阅读 · 2021年8月20日
专知会员服务
20+阅读 · 2021年7月28日
专知会员服务
15+阅读 · 2021年6月6日
专知会员服务
16+阅读 · 2021年5月23日
专知会员服务
19+阅读 · 2021年5月4日
专知会员服务
42+阅读 · 2021年4月15日
【ACMMM2020-北航】协作双路径度量的小样本学习
专知会员服务
28+阅读 · 2020年8月11日
An Analysis of Object Embeddings for Image Retrieval
Arxiv
4+阅读 · 2019年5月28日
Arxiv
5+阅读 · 2018年4月17日
Arxiv
3+阅读 · 2018年3月27日
Arxiv
6+阅读 · 2018年3月19日
VIP会员
相关VIP内容
专知会员服务
10+阅读 · 2021年10月3日
专知会员服务
34+阅读 · 2021年8月27日
专知会员服务
42+阅读 · 2021年8月20日
专知会员服务
20+阅读 · 2021年7月28日
专知会员服务
15+阅读 · 2021年6月6日
专知会员服务
16+阅读 · 2021年5月23日
专知会员服务
19+阅读 · 2021年5月4日
专知会员服务
42+阅读 · 2021年4月15日
【ACMMM2020-北航】协作双路径度量的小样本学习
专知会员服务
28+阅读 · 2020年8月11日
微信扫码咨询专知VIP会员