Read Paper 《LIP: Local Importance-based Pooling》
URL: https://github.com/sebgao/LIP
TL;DR
ICCV 2019 提出了简单高效通用的由局部重要性建模的下采样池化层,一统不同任务所需设计的最大、平均、间隔池化策略,刷新了小目标检测的SOTA。
URL: https://github.com/sebgao/LIP
ICCV 2019 提出了简单高效通用的由局部重要性建模的下采样池化层,一统不同任务所需设计的最大、平均、间隔池化策略,刷新了小目标检测的SOTA。
URL: http://arxiv.org/abs/1907.11062
AAAI 2019 在大型异步面试数据集上构建注意力机制,分析明显的行为特征预测候选人是否值得雇佣,并提供可视化以供用户评估效果。
URL: https://ieeexplore.ieee.org/abstract/document/7005506
TPAMI 2015 经典论文。 对于不同尺寸的输入图片动态选择池化的尺寸,使得最终输出统一尺寸的特征。 比放缩和补0更好地保持了图像的原始特征。