论文阅读-《Deformable Part-based Fully Convolutional Network for Object Detection》

最新推荐文章于 2022-03-09 13:29:28 发布
VIP文章 最新推荐文章于 2022-03-09 13:29:28 发布
阅读量2.2k 收藏 6
点赞数 1
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/75576591
版权

BMVC 2017 Oral

Abstract

文章指出当前的object detector大都用正框来表征一个object，尽管大多数的object都是non-rectangular的。作者提出的模型能够通过deformable parts来表述一个object。这样的话得到的特征对于物体的形变更加具有鲁棒性，并且能够part的位置信息能够提高目标定位的准确性。

Contribution:

1.提出了deformable part-based ROI pooling来优化part的位置，提高分类对于物体形变的鲁棒性
2.提出了deformable-aware localization module来显式地利用part的位置信息提高object定位的准确性

Deformable part-based ROI pooling

作者的实验主要还是在R-FCN的基础上改，deformable part-based roi pooling的示意图如下图所示：
d1
输入是k * k * (C + 1)张特征图，其中k表示把ROI分成k*k个bins，每个bin其实就是作者所说的一个part，所谓的deformable part，和DPM里面的思想是一样的，即一个root filter对物体进行粗定位，然后一系列的part filter来对物体的各个part进行finer的定位。

在这篇文章里面对应的就是，整个ROI

最低0.47元/天 解锁文章
yj_isee
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Object Detection Using Deformable Part Model in RGB-D Data
02-22
Object Detection Using Deformable Part Model in RGB-D Data
DPM（Deformable Part Model）原理详解
年轻即出发，
09-22 6万+
写在前面： DPM（Deformable Part Model），正如其名称所述，可变形的组件模型，是一种基于组件的检测算法，其所见即其意。该模型由大神Felzenszwalb在2008年提出，并发表了一系列的cvpr，NIPS。并且还拿下了2010年，PASCAL VOC的“终身成就奖”。   由于DPM用到了HOG的东西，可以参考本人http://blog.csdn.net/qq_148
目标检测综述 “Object Detection in 20 Years: A survey“
balabooo的博客
03-09 5363
目标检测综述论文分享
Deformable Part Models are Convolutional Neural Networks
邹小驴
12-15 281
有用
强监督细粒度分类：Part-based R-CNNs
大烤翅的博客
10-14 1847
PDF链接 细粒度分类的一种方法是基于定位-识别，又可以继续分为强监督和弱监督两种。这篇文章是ECCV 2014的一篇强监督细粒度图像检测。 摘要 目前已有的姿势规范化表示的方法，由于对象检测的困难，通常在测试时使用边界框标注。 文章提出了一个细粒度分类模型，该模型通过利用基于自底向上区域建议计算的深层卷积特征来克服这些限制。该方法学习整个对象和部分检测器，在它们之间强制学习几何约束，并从姿势规范化表示中预测细粒度类别。在Caltech的UCSD bird数据集上的实验证实，我们的方法在端到..
PS: Deformable Part Models are Convolutional Neural Networks_CVPR2015
clarkatsau的博客
12-12 800
Deformable Part Models are Convolutional Neural Networks 链接 Ross Girshick, Forrest Iandola, Trevor Darrell, Jitendra Malik IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2015这篇文章
Object Detection with Discriminatively Trained Part-Based Models
11-03
We describe an object detection system based on mixtures of multiscale deformable part models. Our system is able to represent highly variable object classes and achieves state-of-the-art results in ...
Deformable Part Model Based Multiple Pedestrian Detection for Video Surveillance in Crowded Scenes
02-10
Deformable Part Model Based Multiple Pedestrian Detection for Video Surveillance in Crowded Scenes
tf-deformable-conv-layer:可变形卷积层的TensorFlow实现
05-06
这是以下论文的TensorFlow实现： 戴继峰，齐浩志，熊玉文，李毅，张国栋，韩寒，魏一辰。 2017。可变形卷积网络。 arXiv [cs.CV]。 arXiv。 该代码只能在。 旋转训练图 采样地点 基本用法 DeformableConvLayer...
Deformable-Attention-for-Deformable-DETR
04-14
可变形DETR的变形注意 wrt
deformable parts model PAMI 论文
12-30
deformable parts model PAMI 论文
基于Part_based模型的目标识别和定位
02-21
基于部件模型的目标识别和定位 在信息检 索中，part-based 模型算法由组成目标实体的外观模型和空间模型构成，外观模型主要 体现了各个组成部分的内部特征，空间模型主要模拟组成部分间的空间配置，part-based 模型结合外观模型和空间对目标进行识别和定位。
Deformable Parts Model (DPM) 简介
zxpddfg的专栏
12-30 5008
Deformable Parts Model (DPM) 是一种很成功的物体检测方法。可以说这种方法是从HOG继承而来的。传统的HOG特征只采用一个模板表示某种物体，而DPM把物体的模板划分成根模型和部分模型，其中的根模型等效于传统的HOG特征，部分模型则是物体某些部分的模板。在检测的时候，根模型用来对物体可能存在的位置进行定位，部分模型用来进行进一步的确认。付出了更多的运算量使得DPM的检测效果
《Learning Region Features for Object Detection》笔记
qq_24548569的博客
09-14 200
Motivation RoI pooing 是把 RoI 分成整齐的网格状的 bins，一共k×kk \times kk×k个 bins，在每个 bins 进行 pooling。这样一个RoI能够提取出k×k×ck \times k \times ck×k×c个特征（c表示通道数）。把RoI分成网络状的bins是hand-crafted，区域特征提取的方式可以设计的更加通用，而且减少人为的设计，即...
可变形卷积：Deformable ConvNets
Airs-Gao的博客
11-30 6500
可变形卷积：Deformable ConvNets DCNv1论文网址：Deformable Convolutional Networks DCNv2论文网址：Deformable ConvNets v2: More Deformable, Better Results DCNv2代码：https://github.com/CharlesShang/DCNv2/tree/pytorch_0.4 DCNv1 1. 空洞卷积（dilated conv） 在图像分割领域，图像输入到CNN（典型的网络比如FC
Object Detection in 20 Years A Survey 论文阅读笔记
weixin_43422466的博客
04-16 2407
1.Introduction 作为计算机视觉的基本问题之一，目标检测构成了许多其他计算机视觉任务的基础，例如实例分割，图像捕获，对象跟踪等。从应用的角度来看，目标检测可分为两个研究主题“general object detection”和“detection applications”，前者旨在探索在统一框架下检测不同类型目标的方法，以模拟人类的视觉和认知，后一种指的是特定应用场景下的检测，例如行...
【论文笔记】Learning Region Features for Object Detection
qq_38778069的博客
03-01 555
Introduction   深度学习领域有一个特别值得关注的趋势：以往许多特征、算法组件和一些设计上面临的选择都是通过人工设计和类似启发式的方式实现，但是这些方法正慢慢地被以数据驱动，“可学习”的方法取代。以目标检测算法为例：YOLO,Faster R-CNN,SSD等算法在生成候选框环节，都需要预先设定好的大小不同的Anchor，这就带有明显的人工设计痕迹；而最近提出的CornerNet则是A...
论文笔记：Learning Region Features for Object Detection
flyminnnnn的博客
05-27 440
来源：paper, MSRA & PKU, ECCV 2018 一些讲解 作者讲解 作者认为数据驱动的方式讷讷够提高准确性并且带来更强的适应性，即将原来人工智能系统各个模块中手工设置的部分改由可学习的参数。本文主要针对特征提取部分，例如ROI Pooling方法。 区域特征提取的一般化视角 基于区域的物体检测方法步骤总结为：图像特征生成、候选区域生成、区域特征提取、区域识别和重复检测去除。...
DPM(Deformable Parts Model)--原理(一)
热门推荐
Note of Transposition
10-23 7万+
DPM是一个非常成功的目标检测算法，连续获得VOC（Visual Object Class）07,08,09年的检测冠军。目前已成为众多分类器、分割、人体姿态和行为分类的重要部分。2010年Pedro Felzenszwalb被VOC授予"终身成就奖"。DPM可以看做是HOG（Histogrrams of Oriented Gradients）的扩展，大体思路与HOG一致。先计算梯度方向直方图，然后用SVM（Surpport Vector Machine ）训练得到物体的梯度模型（Model）。有了这样的模
deformable convolution network加在FPN-inception模块的哪个位置比较好
最新发布
06-10
将Deformable Convolution Network（DCN）集成到FPN-Inception模块中，需要根据具体情况来确定最佳位置。一般来说，可以将DCN放置在FPN-Inception模块的最后一个卷积层之前，以便更好地捕获物体的形变特征。同时，也...

“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