论文阅读-《DSSD : Deconvolutional Single Shot Detector》

最新推荐文章于 2024-08-18 22:00:00 发布
最新推荐文章于 2024-08-18 22:00:00 发布
阅读量8.9k 收藏 6
点赞数 2
分类专栏： Computer Vision 计算机视觉论文研读
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/yaoqi_isee/article/details/73277398
版权
本文介绍了DSSD（Deconvolutional Single Shot Detector），一种通过结合高分辨率特征图和低分辨率特征图以提高目标检测精度的方法。DSSD基于ResNet-101构建，采用小时glass结构，通过反卷积模块融合特征并用改进的预测模块进行预测。实验表明，尤其是在较大输入尺寸下，DSSD相比SSD能更好地检测小目标和有明显背景信息的目标，但推理时间增加。
摘要由CSDN通过智能技术生成

arxiv 23/1/2017

SSD作者Wei Liu的新作

Motivation

通过增加context的信息来提高目标检测的准确率是一个常见的方法，在SSD当中，作者没有利用到context的信息，因此，作者在DSSD里面尝试通过加入context来改善SSD的性能

Framework

dssd
上图表示SSD的基本结构，采用的是VGG作为base network，后来有作者新加的SSD layer，然后在选择的多尺度的feature map上做预测.

下图表示DSSD的基本结构，采用的resnet-101作为base network，后面是新加的DSSD layer，整个DSSD采用的是hourglass（也就是encoder-decoder）的结构，low-resolution的feature map作为context，通过deconvolution和前面encoder部分2x resolution的feature map进行融合（deconvolution module），然后通过一个更好的prediction module来做预测（SSD直接预测）

Prediction Module

dssd

最低0.47元/天 解锁文章
yj_isee
关注
专栏目录
【论文阅读笔记】DSSD : Deconvolutional Single Shot Detector
梁瑛平的博客
01-26 470
《DSSD : Deconvolutional Single Shot Detector》（一）论文地址：（二）解决的问题：（三）DSSD 的核心思想：（四）ResNet 的残差单元：（五） Prediction Module：（六）Deconvolutional Module：（七）Training：（八）实验结果： （一）论文地址： 《DSSD : Deconvolutional Single...
DSSD : Deconvolutional Single Shot Detector论文阅读笔记
weixin_43422466的博客
08-03 559
文章目录DSSD : Deconvolutional Single Shot Detector论文阅读笔记2017Abstract1. Introduction2. Related Work3. Deconvolutional Single Shot Detection (DSSD) model3.1 Using Residual-101 in place of VGG3.2 Prediction module3.3 Deconvolutional SSD3.4 Deconvolution Modul
YOLOv1、YOLOv2、 YOLOv3、SSD DSSD 单阶段目标检测论文
10-11
YOLO是Joseph Redmon和Ali Farhadi等人于2015年提出的第一个基于单个神经网络的目标检测系统。Joseph Redmon和Ali Farhadi发表的YOLO 2进一步提高了检测的精度和速度。
跟着问题学6——VGG网络详解及代码实战
最新发布
weixin_42251091的博客
08-18 2007
例如，在VGG中，使用了3个3x3卷积核来代替7x7卷积核，使用了2个3x3卷积核来代替5*5卷积核，这样做的主要目的是在保证具有相同感知野的条件下，提升了网络的深度，在一定程度上提升了神经网络的效果。卷积层保持输入的高和宽不变，而池化层则对其减半。小卷积核是VGG的一个重要特点，虽然VGG是在模仿AlexNet的网络结构，但没有采用AlexNet中比较大的卷积核尺寸（如7x7），而是通过降低卷积核的大小（3x3），增加卷积子层数来达到同样的性能（VGG：从1到4卷积子层，AlexNet：1子层）。
DSSD: Deconvolutional Single Shot Detector 论文笔记
白菜的博客
10-30 652
在SSD的基础上添加了反卷积层，能够更好的检测small objects。
DSSD论文学习
qq_40502460的博客
03-23 477
《DSSD: Deconvolutional Single Shot Detector》基于DSSD的目标检测 作者: Cheng- Yang Fu， Wei Liu 单位: UNC Chapel， Amazon Inc 发表会议及时间:CVPR 2017 研究背景（Research background） DSSD是SSD算法改进分支中最为著名的一个，SSD的其他改进还包括RSSD，SSD的缺点在于其对小目标不够鲁棒。 虽然SSD在浅层网络的小网格上可以检测出小物体的位置，但是浅层网络对物体属于哪个类
【论文快读】DSSD
玄云飘风的博客
11-02 1512
作者：Cheng-Yang Fu, Wei Liu等 链接：https://arxiv.org/abs/1701.06659 摘要： 本文以新的ResNet101为基础搭建SSD，并引入反卷积层，搭建了DSSD，在小物体检测上实现了优异的效果。 ...
DSSD论文阅读
静看岁月
11-22 906
DSSD : Deconvolutional Single Shot Detector https://arxiv.org/pdf/1701.06659.pdf Introduction DSSD主要是介绍了一种采用传统上下文的先进的通用目标检测方法 We then augment SSD+Residual- 101 with deconvolution layers to introduce a...
DSSD : Deconvolutional Single Shot Detector
王小胖儿的博客
04-25 4702
《DSSD : Deconvolutional Single Shot Detector》[1]  2017年发表在CVPR上。     前身是《SSD: Single Shot MultiBox Detector》[2]  推荐博客：论文阅读：SSD: Single Shot MultiBox Detector     两者都是物体检测领域的文章，DSSD对小目标检测效果较SSD有所提升。
DSSD-train1.prototxt
05-22
DSSD-train1.prototxt,备份用的啊！
目标检测论文解读10——DSSD
angmaodie3396的博客
08-21 202
背景 　　SSD算法在检测小目标时精度并不高，本文是在在SSD的基础上做出一些改进，引入卷积层，能综合上下文信息，提高模型性能。 理解 　　 　　Q1：DSSD和SSD的区别有哪些？ 　　(1)SSD是一层一层下采样，然后分别在这些feature map上进行预测；而DSSD则是在后面加入了很多的Deconvolution Module，通过逆卷积算法feature map上采...
SSD论文翻译
不忘初心~
07-06 1562
SSD: Single Shot MultiBox Detector 摘要 我们提出了一种使用单个深度神经网络来检测图像中的目标的方法。我们的方法命名为SSD，将边界框的输出空间离散化为不同长宽比的一组默认框和并缩放每个特征映射的位置。在预测时，网络会在每个默认框中为每个目标类别的出现生成分数，并对框进行调整以更好地匹配目标形状。此外，网络还结合了不同分辨率的多个特征映射的预测，自然地处理各种...
hourglass论文_DSSD(1)_论文_arxiv2017
weixin_29309475的博客
12-21 372
本笔记记录DSSD，spotlight为：1 把SSD中VGG16的backbone替换为Resnet-101，fig 1；2 将de-conv添加至特征金字塔层的生成上，为检测模型引入了上下文信息，fig 1、3；3 设计了新的pred模块（fig 2），de-conv模块（fig 1、3）结构；理解了fig 1、2、3后，就很容易理解DSSD了， 论文整体上也不难，git上找到的代码时基于mx...
DSSD（Deconvolutional Single Shot Detector）
BigData私房菜
02-20 704
本文作者将当前表现最好的分类器Residual-101和SSD进行了结合，并为SSD+Residual-101添加了额外的降卷积层以引入大尺度的context用于提高目标检测的精度，尤其是小目标。DSSD又叫做deconvolutional single shot detector。虽然这两种贡献容易在高层上表达，但是简单的配置是不会成功的。相反，作者展示谨慎的添加额外的学习转换阶段，具体是一个在...
SSD目标检测算法改进DSSD（反卷积）
热门推荐
fangfang的专栏
01-20 2万+
论文：DSSD : Deconvolutional Single Shot Detector 论文地址：https://arxiv.org/abs/1701.06659 代码：https://github.com/chengyangfu/caffe/tree/dssd DSSD是2017年的CVPR，二作就是SSD的一作Wei Liu。另外值得
[论文笔记]DSSD : Deconvolutional Single Shot Detector
恰同学少年的博客
12-25 1619
论文”DSSD : Deconvolutional Single Shot Detector”是对目标检测方法SSD (“SSD: Single Shot MultiBox Detector”)的改进版，都是同一作者团队发表的。 论文链接：https://arxiv.org/pdf/1701.06659 SSD的缺点： 虽然SSD利用了浅层的特征来检测小目标，（浅层 small recept
DSSD:Deconvolutional Single Shot Detector-------论文理解
ruoruojiaojiao的博客
04-13 335
参考博客：https://blog.csdn.net/jesse_mx/article/details/55212179?utm_source=itdadao&utm_medium=referral 1. 概述 改论文中，作者总的有两个贡献： 一，将原始的SSD中用到的骨干网络vgg-16换为resnet-101，目的是为了使特征提取能力更强； 二，检测网络中，在原有SSD后添加的...
关于SSD算法的参考文献
07-17
以下是关于SSD算法的一些参考文献： 1. Liu, Wei, et al. "SSD: Single shot multibox detector." European conference on computer vision. Springer, Cham, 2016. 2. Liu, Wei, et al. "SSD: Single Shot MultiBox Detector." arXiv preprint arXiv:1512.02325 (2015). 3. Fu, Cheng-Yang, et al. "DSSD: Deconvolutional single shot detector." arXiv preprint arXiv:1701.06659 (2017). 4. Huang, Jiaolong, et al. "Speed/accuracy trade-offs for modern convolutional object detectors." IEEE CVPR, 2017. 5. Cai, Zhaowei, and Nuno Vasconcelos. "Cascade R-CNN: Delving into high quality object detection." IEEE CVPR, 2018. 这些参考文献可以提供关于SSD算法的详细信息和技术细节。您可以通过搜索上述文献标题或作者名称，找到它们的具体内容和相关资源。 希望对您有所帮助！如果您有其他问题，请随时提问。
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