FCOS & EfficientDet //Journal Club #2 | girafe.ai

Описание: Вторая сессия журнального клуба.

Доклад продолжает обзор современных подходов к задаче детекции объектов. На этот раз в наше поле зрения попадут сразу две модели.

Первая - FCOS: Fully Convolutional One-Stage Object Detection https://arxiv.org/abs/1904.01355
В этой работе авторы отказались от использования анкеров при детекции для того, чтобы преодолеть ограничение на форму и количество bounding box-ов в предсказнии. Код модели можно найти тут https://github.com/tianzhi0549/FCOS.

Вторая - EfficientDet: Scalable and Efficient Object Detection https://arxiv.org/abs/1911.09070
Данная статья развивает идею Feature Pyramid Network (FPN) до BiFPN (двухпроходных пирамид) и применяет их каскадно (этим чем-то похожа на уже разобранный M2Det). Авторы также предлагают метод масштабирования модели для различных размеров входных изображений.
Код модели:
на pytorch https://github.com/zylo117/Yet-Anothe...
на tensorflow https://github.com/google/automl/tree...


Докладчик - Никита Жаров, струдент 4 курса ФКН ВШЭ, стажёр в Эвокарго
Время - четверг, 28 января, 20.00


girafe-ai Journal Club: https://t.me/girafe_ai_journal
Slides: https://github.com/girafe-ai/journal-...