干货| 轻量级姿态估计技巧总结(附多篇实操)
2021年11月17日 - 网易
在对坐标进行回归的时候,早些时候的文章大都直接用L2loss,但随着近些年的发展,大量的实验表明了L1loss在大部分情况下都会优于L2loss。从极大似然估计的角度来看,损失函数的选择实际上是基于对目标分布的假设,如果假设目标为高斯分布,那么就应该用L2loss,如果假设为拉普拉斯分布,则应该使用L1loss。具体的公式推...
详情
腾讯AI Lab 解读19篇 ECCV 2018 入选论文
2018年8月9日 - 雷锋网
为了解决目标跟踪算法训练样本不均衡的问题,作者在这篇ECCV的工作中提出了一个基于收缩损失函数的深度回归跟踪算法,针对基于深度回归的目标跟踪中样本不平衡问题,本文提出的收缩损失函数显著提升了性能。基于深度回归的目标跟踪算法,通常在目标周围的上下文区域中利用一个高斯热图(图1b)来训练一个正比于目标尺寸的...
详情