SparseR-CNN

稀疏 R-CNN: 使用可学习候选项的端到端目标检测

论文 (CVPR 2021)

更新

• (2021年02月03日) 使用更强大的主干模型 PVT 可提高性能。
• (2021 年 2 月 23 日) 使用更强大的预训练模型 DetCo 可获得更高的性能。
• (2020 年 2 月 12 日) 已提供模型和日志 (R101_100pro_3x 和 R101_300pro_3x)。
• (2020 年 11 月 26 日) 模型和日志 (R50_100pro_3x 和 R50_300pro_3x) 已经可用。
• (2020 年 11 月 26 日) 通过将 dropout 率设置为 0.0,可提高 Sparse R-CNN 的性能。

模型

如果下载链接无效,则可以通过代码 wt9n 在 GitHub 版本 和 百度网盘 中找到模型和日志。

Sparse R-CNN: End-to-End Object Detection with Learnable Proposals