4-21 work

最新文章

DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object DetectionAbstract我们提出了DINO(带改进去噪anchor box的DETR)，一种最先进的端到端目标检测器。DINO通过使用对比方法进行去噪

文献阅读-RT-DETR

DETRs Beat YOLOs on Real-time Object DetectionAbstractYOLO系列已成为实时目标检测最流行的框架，因为它在速度和精度之间进行了合理的权衡。然而，我们观察到nnms对yolo的速度和准确性产生了负面影响。最近，端到端基于transformer的检测

文献阅读-YOLOV10

YOLOv10: Real-Time End-to-End Object DetectionAbstract在过去的几年里，由于在计算成本和检测性能之间取得了有效的平衡，YOLOs已经成为实时目标检测领域的主导范式。研究人员已经对yolo的架构设计、优化目标、数据增强策略等进行了探索，并取得了显著进

文献阅读-YOLOv9

YOLOv9: Learning What You Want to Learn Using Programmable Gradient InformationAbstract今天的深度学习方法关注的是如何设计最合适的目标函数，使模型的预测结果最接近ground truth。同时，必须设计一个适当的体

文献阅读-KAN: Kolmogorov–Arnold Networks

Abstract受Kolmogorov-Arnold表示定理的启发，我们提出Kolmogorov-Arnold网络(KANs)作为多层感知器(mlp)的有前途的替代品。mlp在节点(“神经元”)上有固定的激活函数，而kan在边缘(“权重”)上有可学习的激活函数。kan根本没有线性权重——每个权重参数

分类

references references