Detection Head、Neck、Backbone是什么

最新推荐文章于 2024-02-29 10:55:38 发布
最新推荐文章于 2024-02-29 10:55:38 发布
阅读量670 收藏 8
点赞数
文章标签： 深度学习 计算机视觉 目标检测
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/Lc_001/article/details/129436685
版权

Tag： #深度学习 #目标检测 #Backbone
简而言之，基于深度学习的目标检测模型的结构可以概括为：输入->主干->脖子->头->输出
主干网络提取特征，脖子提取一些更复杂的特征，然后头部计算预测输出
在这里插入图片描述

Backbone

我们一般将Backbone译作骨干网络或主干网络，它主要指网络中用于特征提取的部分。一般采用已在大型数据集(例如ImageNet|COCO等)上完成预训练的模型，例如：ResNet-50、Darknet53、VGG等。

Neck

用在Backbone和Detection Head之间用来更好地融合和提取特征，进一步提升特征的多样性及鲁棒性。一些模型会添加一些用于收集不同阶段中特征图的网络层。

Detection Head

  • 获取网络输出，利用提取特征做出预测
  • 后续连接的网络层由于主要是服务于detection任务，因此称之为“Detection head”
  • Detection Head译作检测头是获取模型输出内容的网络，利用之前提取的特征做出预测，主要包括预测目标的种类和位置(bounding boxes)。

其他

Bottle Neck：瓶颈，通常指网络输入输出数据维度不同，通常输出维度比输入维度小很多、
GAP：Global Average Pool全局平均池化，将某个通道的特征取平均值
Warm up：小的学习率先训练几个epoch，这是因为网络的参数是随机初始化的，一开始就采用较大的学习率容易数值不稳定

引用

  1. CV学习笔记(一）Backbone，neck，head
  2. 深度学习backbone、neck、head等术语解释
Jager_416
关注
  • 0
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Head detection using extreme learning machine
02-07
Head detection using extreme learning machine
head-neck-analysis
03-30
头颈癌分析 首先运行setup.sh下载奇异容器，然后提交如下的slurm作业： sbatch slurm.sh config/2d_unet.json 2d_unet 200 它将从config/2d_unet.json文件加载设置，训练200个纪元并将结果存储在文件夹$HOME/logs/hn_perf/2d_unet/ 。 自定义模型和预测检查点 sbatch slurm.sh config/3d_vnet_32_normalize.json 3d_vnet_32_normalize 100 --model_checkpoint_period 5 --prediction_checkpoint_period 5 继续实验 sbatch slurm_cont.sh config/3d_vnet_32_normalize/model/model.030.h5 3d_vnet_32_
深度学习中常见的backbone、neck、head的理解
最新发布
qq_60498436的博客
02-29 1684
Neck（颈部）：颈部位于骨干网络和头部之间，负责对骨干网络提取的特征进行进一步的处理和整合。颈部的作用类似于连接骨干网络和头部的桥梁，可以帮助将特征更好地传递给头部进行最终的预测或分类任务。Backbone（骨干网络）：骨干网络通常是指整个深度神经网络的主要部分，负责提取输入数据的特征。头部通常由全连接层或卷积层组成，用于将颈部提取的特征映射到最终的输出空间，生成网络的最终预测结果。在不同的任务中，头部的结构会有所不同，以适应不同的任务需求。
目标检测入门概念知识
qq_21506765的博客
10-08 2284
这一部分的作用就没什么特殊的含义了，就是若干卷积层进行预测，也有些工作里把head部分称为decoder（解码器）的，这种称呼不无道理，head部分就是在由前面网络输出的特征上去进行预测，约等于是从这些信息里解耦出来图像中物体的类别和位置信息。很多目标检测的优化工作就是这么来的，比如2018年的ECCV上的RFBNet，就是在SSD基础上，设计了RFB模块插进Neck部分，从而显著提升了模型性能。，是目标检测网络最为核心的部分，大多数时候，backbone选择的好坏，对检测性能影响是十分巨大的。
基于飞桨的单阶段目标检测YOLO-V3模型的简易实现
blue_dawn的博客
08-29 754
基于飞桨的单阶段目标检测YOLO-V3模型的简易实现模型介绍0.1.设计思想2. 产生候选区域2.1.生成锚框2.2.生成预测框3.对候选区域进行标注4.卷积神经网络提取特征4.1. 骨干网络（Darknet53）4.2.根据输出特征图计算预测框位置和类别4.3.建立输出特征图与预测框之间的关联5.建立Loss6.多尺度检测模型实现1. 骨干网络（Darknet53）2.3.YOLO-V3模型 模型介绍 0. YOLO-V3使用单个网络结构，在产生候选区域的同时即可预测出物体类别和位置。（不需要像R-CNN
YOLOv3学习——特征提取与候选区域
pidzhengding的博客
02-12 3991
YOLOv3学习——特征提取 文章目录YOLOv3学习——特征提取前言卷积神经网络提取特征根据输出特征图计算预测框位置和类别建立输出特征图与预测框之间的关联 前言 卷积神经网络提取特征 在上一节图像分类的课程中，我们已经学习过了通过卷积神经网络提取图像特征。通过连续使用多层卷积和池化等操作，能得到语义含义更加丰富的特征图。在检测问题中，也使用卷积神经网络逐层提取图像特征，通过最终的输出特征图来表征物体位置和类别等信息。 YOLOv3算法使用的骨干网络是Darknet53。Darknet53网络的具体结构
【YOLOv5】Backbone、Neck、Head各模块详解
热门推荐
qq_44878985的博客
03-01 5万+
详解Yolov5原理及backbone、neck、head三个模块的作用及结构。
深度学习术语Neck，Head，Embedding，One&&Two stages Detector等等
Bismarckczy的博客
08-22 1993
head,embedding,gap
深度学习backbone、neck、head等术语解释
zyb的博客
10-29 9012
backbone：主干网络，用来提取特征，常用Resnet、VGG等 head：获取网络输出，利用提取特征做出预测 neck：放在backbone和head之间，进一步提升特征的多样性及鲁棒性 bottleneck：瓶颈，通常指网络输入输出数据维度不同，通常输出维度比输入维度小很多 GAP：Global Average Pool全局平均池化，将某个通道的特征取平均值 Warm up：小的学习率先训练几个epoch，这是因为网络的参数是随机初始化的，一开始就采用较大的学习率容易数值不稳定 参考链接
目标检测算法的大体框架-------backbone、head、neck
微信号：Custom-Software
10-19 1581
一般翻译成“瓶颈”或是“脖子”，这个翻译总感觉有些问题，此结构主要是将backbone上的多个层级的特征图进行融合加工，增强网络的表达能力，同时，neck决定了head的数量，决定了不同尺度的样本如何分配到不同的head；骨干网络也称为主干网络，主要用于特征提取，提取不同尺度、不同感受野下、不同类别的目标特征，以满足目标检测；SPP、ASPP、RFB、FPN、NAS-FPN、Fully-connected FPN、BiFPN等；检测头，主要用于预测目标的种类和位置(bounding boxes)；
Backbone、Neck 和 Head
m0_59787404的博客
11-21 3452
目标检测网络的两个重要部分：Backbone和Detection head。 一、Backbone 通常，为了实现从图像中检测目标的位置和类别，我们会先从图像中提取出些必要的特征信息，比如HOG特征，然后利用这些特征去实现定位和分类。而在在深度学习这一块，backbone部分的网络就是负责从图像中提取特征，当然，这里提出的是什么样的特征，我们是无从得知的，毕竟深度学习的“黑盒子”特性至今还无法真正将其面纱揭开。 那么，如何去设计一个backbone去提取图像中的特征呢？ 从某种意义上来说，如何设计好的
英文原版-RadCases Head and Neck Imaging 1st Edition
09-23
Head and Neck Imaging presents the challenging cases that are most likely to be encountered by residents and radiologists focusing on imaging of the head and neck. It helps radiologists correctly ...
英文原版-Reconstructive Plastic Surgery of the Head and Neck 1st Edition
09-23
Reconstructive Plastic Surgery of the Head and Neck describes the current state-of-the-art techniques used in head and neck reconstruction. Residents, fellows and attendings can follow the up-to-date,...
JAVA-bottleneck.rar_bottleneck
09-24
java代码瓶颈问题查找，帮助日常学习使用，ppt文件
英文原版-CURRENT Diagnosis Treatment in Otolaryngology Head Neck Surgery 3rd Edition
09-23
A concise, one-stop clinicianâ?™s guide for treating all major diseases of the ear, nose, throat, and neck,解压密码 share.weimo.info
DeepLearing—CV系列（十五）——目标检测中的Data Augmentation、Backbone、Head、Neck、Loss Function的汇总
wa1tzy的博客
06-27 914
文章目录一、数据增强方式二、解决数据不均衡三、常用backbone四、常用Head4.1 Dense Prediction (one-stage):4.2 Sparse Prediction (two-stage):五、常用neck5.1 Additional blocks:5.2 Path-aggregation blocks:六、Skip-connections七、常用激活函数和loss7.1 激活函数：7.2 loss：八、正则化和BN方式8.1 正则化：8.2 BN：九、训练技巧 一、数据增强方式
【目标检测论文阅读笔记】Dynamic Head: Unifying Object Detection Heads with Attentions
YoooooL_的博客
05-04 1373
以前的工作试图提高各种目标检测头的性能，但未能提出统一的观点。在本文中，我们提出了一种新颖的来。通过在用于尺度感知的特征级别之间用于空间感知的空间位置之间以及用于任务感知的输出通道内连贯地结合多个自注意力机制，所提出的方法显著提高了目标检测头的表示能力，而无需任何计算开销。进一步的实验证明了所提出的动态头部在 COCO 基准测试中的有效性和效率。借助标准的ResNeXt-101DCN 骨干网，我们大大提高了流行目标检测器的性能，并在 54.0 AP 上实现了最新的技术水平。
Tensorflow Object Detection库使用及训练预测自己的数据集
jiugeshao的专栏
04-12 3385
接着前面系列博客接着讲，此篇来介绍下tensorflow的模型库的使用，当前安装tensorflow的时候，models中库不会自动安装，可能对比pytorch，大家会觉得tensorflow自带的object detection模型好少，其实不然。下面就对tensorflow的models中的objection模块进行一个详细的使用介绍。 https://github.com/tensorflow/models/tree/master/research/object_detectionhttps://g
【ESP32CAM识别图形左边界】（四）网页显示传感器数据
xanadw的博客
03-08 1130
之前的ESP32CAM的网页修改都是比较简单的按钮形式，也就是点击开或者关这种互动形式的数据，碰到一个粉丝有另外一种需求，那就是页面可以实时回显ESP32作为主控处理接收到的传感器数据，比如显示温湿度传感器、超声波传感器、红外传感器的数据或者检测结果。这个在ESP32代码里面的改动其实不是很多，主要的修改还是前端的页面设计，也就是需要修改html文件，实现前端页面的显示，以及获取数据的操作。
mmdetection换neck
09-03
您好！对于mmdetection模型中的neck部分进行更换，您可以按照以下步骤进行操作： 1. 首先，选择一个新的neck模块或者设计自己的neck结构。neck部分通常位于backbone和head之间，用于进一步提取特征并增加感受野。 2. 在mmdetection代码中，neck通常定义在`mmdet/models/necks`目录下。您可以选择一个现有的neck模块进行替换，或者在该目录下创建一个新的文件来定义您自己的neck结构。 3. 如果您选择替换现有的neck模块，可以参考该模块的定义并进行相应修改。确保新的neck模块与原来的neck模块具有相同的输入输出接口，以便能够与backbone和head部分兼容。 4. 在模型配置文件中，通过修改`model.neck`的值来指定新的neck模块。具体来说，您需要修改`config`文件（通常是yml或py文件），找到`model`部分，并在其中指定新的neck模块。 这样，您就可以将新的neck模块成功应用到mmdetection模型中了。请注意，在更换neck模块后，您可能需要重新训练或微调模型以适应新的结构和参数。

“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