目标检测：SPP-net

最新推荐文章于 2023-11-30 15:17:46 发布
VIP文章 最新推荐文章于 2023-11-30 15:17:46 发布
阅读量1.2w 收藏 33
点赞数 5
分类专栏： Computer Vision Deep Learning 文章标签： RCNN 目标检测 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tinyzhao/article/details/53717136
版权

《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》论文解读

本文来自Kaiming He大神。

上文说到R-CNN的最大瓶颈是2k个候选区域都要经过一次CNN，速度非常慢。Kaiming He大神最先对此作出改进，提出了SPP-net，最大的改进是只需要将原图输入一次，就可以得到每个候选区域的特征。

概述

在R-CNN中，候选区域需要进过变形缩放，以此适应CNN输入，那么能不能修改网络结构，使得任意大小的图片都能输入到CNN中呢？作者提出了spatial pyramid pooling结构来适应任何大小的图片输入。

网络结构

为什么CNN需要固定输入大小？卷积层和池化层的输出尺寸都是和输入尺寸相关的，它们的输入是不需要固定图片尺寸的，真正需要固定尺寸的是最后的全连接层。

这里写图片描述

由于FC层的存在，普通的CNN通过固定输入图片的大小来使得全连接层输入固定。作者不这样思考，既然卷积层可以适应任何尺寸，那么只需要在卷积层的最后加入某种结构，使得后面全连接层得到的输入为固定长度就可以了。这个结构就是spatial pyramid pooling layer：

最低0.47元/天 解锁文章
tinyzhao
关注
  • 5
    点赞
  • 踩
  • 33
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
SPP-Net演示文档
12-18
目标检测算法SPP-Net的PPT演示文档，中文，制作精良，条理清晰，适合学习和教学
目标检测：YOLOv3-SPP网络介绍及代码笔记
qq_50001789的博客
06-26 487
目标检测：YOLOv3-SPP网络介绍及代码笔记
目标检测——SPPNet算法解读
lishanlu136的博客
11-30 1155
SPPNet算法解读
SPPNet: Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition
TheWaySoFar
04-09 684
Abstract 通过空间金字塔的使用, 能够输入任意大小的图像而不需要裁剪, 这样避免了因为裁剪而带来的损失. 其次通过卷积计算整个图像的特征图, 然后使用proposal映射特征图提取特征进行后续预测边界框, 使得目标检测的速度比R-CNN提升很多倍. 1. Introduction 流行的CNN输入都是固定大小的图片, 对于任意大小的图片,当前的解决方法是: 1. 裁剪: 这容易导...
【论文简述及翻译】Spatial Pyramid Pooling in Deep ConvolutionalNetworks for Visual Recognition（PAMI 2015）
qq_43307074的博客
11-14 1486
【论文简述及翻译】Spatial Pyramid Pooling in Deep ConvolutionalNetworks for Visual Recognition（PAMI 2015）
Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition论文翻译
qq_35024702的博客
04-12 293
Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition 空间金字塔汇聚在深度卷积网络中进行视觉识别 深度卷积神经网络： 1）特点： 1.需要输入固定尺寸的图像，降低了对任意尺寸和比例的图像的识别精度 SPP： 1）特点： 1.能产生固定大小的表征，与输入尺寸无关 2.整张图片只需要进行一次特征图计算...
Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition
Tifa_Best的专栏
03-02 506
Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition In this work, we equip the networks with another pooling strategy, “spatial pyramid pooling”. The new network structure, c...
SPP-Net网络 Pytroch
03-28
SPP-Net对这些网络中存在的缺点进行了改进，基本思想是，输入整张图像，提取出整张图像的特征图，然后利用空间关系从整张图像的特征图中，在spatial pyramid pooling layer提取各个region proposal的特征。
yolov3 spp 对自定义数据集的目标检测：猪检测
最新发布
12-07
目标检测代码，在官方的u版yolov3 spp进行更改、重构。删除大部分不需要的代码，代码的目录结构清晰，增添了训练日志，包括loss曲线和map曲线等等 本章的数据集：数据集对pig进行目标检测，包含929张训练图像和136...
yolov3-spp-ultralytics.pt
05-09
yolov3-spp训练后的权重文件yolov3-spp-ultralytics.pt，可当作预训练权重，也可以当作检测权重
目标检测经典论文-计算机视觉经典论文
04-03
目标检测经典论文15篇,包括rcnn系列及yolo系列论文。具体论文：yolov1, yolov2, yolov3, yolov4, RCNN, Fast RCNN, Faster RCNN, Mask RCNN, Casecade RCNN, SSD, VGG, OverFeat, FPN, SPP NET, R-FCN . 方便大家...
论文翻译与解读：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition
deeplearningbo的博客
04-02 799
文中若有翻译错误，还望多多指正。 摘要 现有的深度卷积神经网络（CNN）需要固定大小（例如，224×224）的输入图像。该要求是“人为的”并且可能降低任意尺寸/比例的图像或子图像的识别精度。在这项工作中，我们为网络配备了另一种池化（Pooling）策略，即“空间金字塔池”，以消除上述要求。无论图像大小/规模如何，这个新网络结构，也可以叫做SPP-net，都可以生成固定长度的表示。...
【目标检测算法】改进-SPPNet（详解）
风口IT猪的成长录
08-14 1817
目标检测算法之改进-SPPNet学习目标1. SPPNet1.1 映射1.2 spatial pyramid pooling2. SPPNet总结3. 总结4. 问题 学习目标 目标 说明SPPNet的特点 说明SPP层的作用 【目标检测算法】R-CNN（详解）R-CNN的速度慢在哪？ 每个候选区域都进行了卷积操作提取特征。 1. SPPNet SPPNet主要存在两点改进地方，提出了SPP层 减少卷积计算 R-CNN模型 SPPNet模型 1、R-CNN是让每个候选区域经
Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition论文细读
weixin_41963310的博客
10-11 324
因为在阅读完Fast-RCNN论文后，进行代码复现的过程中发现自己对ROI层的实现不了解，于是回来读了这篇SPPnet的论文，收获很大，对ROI的实现也有了更深的理解。 SSPnet提出的原因 因为RCNN因为在计算特征时，需要对每一个候选区域分别进行计算，导致速度较慢。针对这一问题，提出了SPPnet，对整张图像进行卷积提取特征，加快了处理速度。 因为目前的CNN（因为全连接层的原因）要求规定尺寸的输入，所以提出了SPPnet，将最后一个卷积层后的池化层替换为SPP layer（空间金字塔池化层），生成固
《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》
正在挣扎中的人
11-15 1474
1. 研究问题 流行的CNN由于全连接层的存在，需要固定尺寸的输入图像，这限制了输入图像的纵横比和尺度，当前方法主要通过裁剪或变形将输入图像变换到固定尺寸，这样会导致图像内容的丢失或失真，从而影响图像识别的准确性。 2. 研究方法 将空间金字塔池化（SPP）加入卷积网络中，生成固定长度的输出特征，而与输入图像的尺寸无关，然后将该特征馈入全连接层或分类器中，完成各种视觉任务。 空间金字塔池化层（The Spatial Pyramid Pooling Layer） 文章以AlexNet为例，讨论SPP laye
人脸检测：MTCNN
热门推荐
flyingzhao
11-19 5万+
《Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks》论文解读。本文来自于中国科学院深圳先进技术研究院，目前发表在arXiv上，是2016年4月份的文章，算是比较新的文章。 论文地址： https://kpzhang93.github.io/MTCNN_face_detectio
yolov3-spp-ultralytics-512
11-25
YoloV3-SPP-Ultralytics-512是一种基于深度学习的目标检测模型。YoloV3是You Only Look Once的第三个版本，基于卷积神经网络实现目标检测功能。SPP代表Space Pyramid Pooling，是一种空间金字塔池化技术，用于提取...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值