目标检测“A MultiPath Network for Object Detection”

最新推荐文章于 2023-06-20 19:01:34 发布
最新推荐文章于 2023-06-20 19:01:34 发布
阅读量2.7k 收藏 1
点赞数 2
分类专栏： 深度学习 目标识别
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/cv_family_z/article/details/51159619
版权

对Fast-RCNN方法做了三个小的修改：（1）检测器能够访问多层特征，（2）foveal结构多尺度提取目标上下文信息，（3）在多个IOU下优化损失函数。网络的结构如下图所示；
这里写图片描述

Foveal结构
在目标识别时，上下文信息很重要，为了增加上下文信息，作者增加了4个裁切，即分别对proposal的视图放大1，1.5，2，4倍，每种情况使用ROI-池化生成特组图，接下来的流程共享相同的结构，之后将4个foveal分类器的输出特征串联成一个长向量，这个特征将用来分类和bbox回归。

损失函数
在多个IOU下的积分损失函数为：
这里写图片描述

在COO上的实验结果：
这里写图片描述

cv_family_z
关注
专栏目录
Multipath fading and reflections_wirelessnetwork_
10-04
在无线通信领域，多径衰落（Multipath Fading）是一个关键的概念，它对无线网络的性能有着显著的影响。多径衰落是由于无线信号在传播过程中遇到多种反射、折射和散射路径，使得接收端接收到的信号是多个延迟不同、...
【每日一网】Day20：A MultiPath Network for Object Detection（MPN）简单理解
dudu199806的博客
01-02 311
A MultiPath Network for Object Detection 算法背景 作者改进了目标检测的方法，相比ss算法的fast RCNN，将实验效果进一步提升了66%，在小物体上提高了4倍。主要进行了如下改进 1、使用跨层链接融合了多层的信息 2、使用foveal structure考虑了物体的上下文信息 3、使用积分loss函数，提高了位置的精准度 算法流程 传统目标检测的主要流程是，提取Region proposal，利用cnn进行proposal的分类和边界框回归。本文也沿袭了这一个过程
目标检测（十三）--MultiPathNet
工作笔记
09-12 7639
转自：http://blog.csdn.net/u011718701/article/details/53762969 略增删改 MultiPathNet A MultiPath Network for Object Detection intro: BMVC 2016. Facebook AI Research (FAIR) arxiv: http://arxiv.org/abs/160...
论文笔记 A MultiPath Network for Object Detection
xiaoxiang_AQ 的博客
08-31 2016
Facebook一起开源的3个程序之一，MultiPath，其代码网址：https://github.com/facebookresearch/multipathnet。 文章简介： 这篇文章对于COCO数据集中的小目标难检测问题，主要在Fast RCNN detector的基础上进行了改进，获得了新的detector：MultiPath detector。思想上改进如下： （1）在
A MultiPath Network for Object Detection
南有乔木NTU的博客
01-14 2313
A MultiPath Network for Object Detection论文地址Introduce本篇论文是Facebook AI的工作，作者改进了目标检测的方法，在COCO数据集上进行实验，相比Seletive Search方法的fast R-CNN，将实验效果进一步提升了66%，在小物体上提高了4倍。作者的改进主要在以下三点： 使用skip connections 融合多层的信息。 使用
IoU系列损失详解
weixin_43482623的博客
08-10 1万+
IoU相关损失详解 IoU 计算公式及原理解析 ​ IoU的全称为交并比（Intersection over Union），即表示为“预测边框(bounding box )”和“真实边框(ground truth)“的交集和并集的比值。即IoU的计算公式为： IoU=(A∩B)A∪B IoU =\frac{(A \cap B)} {A \cup B} IoU=A∪B(A∩B)​ ​ 用图像可以更直观的表示，其表示如下： ​ 即IoU相当于两个区域交叉的部分除以两个区域的并集部分得出的结果。 ​
Implementation of Multipath Network Virtualization With SDN and NFV
02-07
Implementation of Multipath Network Virtualization With SDN and NFV
A family of stable multipath dual congestion control algorithms
02-09
But there exist some potential difficulties when one directly uses the well-known network utility maximization model to design stable multipath congestion control algorithms for the alternative ...
损失函数：IoU、GIoU、DIoU、CIoU、EIoU、alpha IoU、SIoU、WIoU超详细精讲及Pytorch实现
热门推荐
路人贾的博客
06-20 2万+
一文带你了解IoU、GIoU、DIoU、CIoU、EIoU、alpha IoU、SIoU、WIoU。超级详细的解读，包含代码实现，适合小白！
目标检测中的损失函数IoU、GIoU、DIoU、CIoU、SIoU
CHEN的博客
06-14 1万+
目标检测中的一些常用的IOU损失函数优缺点比较以及代码实现，以及最新出来得SIoU损失函数
语义分割损失函数系列(2):IoU损失
lwf1881的博客
03-25 3580
交叉熵损失函数好用是好用，但当数据存在严重的不平衡问题的时候，会导致结果特别糟糕，特别是在医学图像分割问题中，一般目标区域都比较小，背景区域比较大，此时用交叉熵损失函数的话得到的结果就不太好。 IOU loss介绍 IOU即是交并比，用相交的部分去除上并集，就得到IOU的值，1-IOU的值就是IOU Loss。至于IOU的数学定义去看百度百科吧，举个例子： 上面两张图求IOU，白色区域为目标区域，就是用两张图片的白色区域的交集去比上白色部分的并集，就得到了白色类别的IOU值。在实际工程中，一般黑色像素为类
目标检测之CNN系列
Marshall的专栏
06-20 1万+
排行榜pascal VOC:http://host.robots.ox.ac.uk:8080/leaderboard/main_bootstrap.phpcoco:http://mscoco.org/dataset/#detections-leaderboardkitti:http://www.cvlibs.net/datasets/kitti/eval_object.phpRegionlets ...
目标检测回归损失函数 IOU、GIOU、DIOU、CIOU、EIOU、Focal EIOU、alpha IOU损失函数分析
weixin_38353277的博客
02-08 3031
目标检测回归损失函数 IOU、GIOU、DIOU、CIOU、EIOU、Focal EIOU、alpha IOU损失函数分析
详解各种iou损失函数的计算方式（iou、giou、ciou、diou）
lovep1的博客
03-09 1万+
本文主要是理解各个回归损失函数的区别和改进，其实最主要的还是这些损失函数在yolo中起到了非常大的作用，包括从最原始的yolov3中引入，到v4、v5中变成真正的官方损失函数，确实很有效。本文将逐条分析这些损失函数，并不会按照论文结构来描述。 1、IOU paper：https://arxiv.org/pdf/1608.01471.pdf iou-loss本身是是从人脸检测的paper引入进来的，由于此文只分析损失函数比较简单，我们只讨论IOU-LOSS，先看paper的原图： ...
对A MultiPath Network for Object Detection论文的理解
我是个渣
02-07 1168
本篇论文是facebook三篇论文之一，主要介绍multipathnet网络，下面是本人的一些总结。新手入坑，多多指教 multipathnet网络是利用deepmask网络和sharpmask网络产生的object proposals作为输入的一部分，对其进行分类。 这个网络是对Fast R-CNN的改进，改进的点主要有三个，先来看下这两个网络的网络结构 首先是fast r-cnn
R-CNN系列阅读笔记(1): R-CNN
Solomon1558的专栏
12-31 1507
前言：博主目前的研究课题为“可见光遥感图像目标检测”，研究兴趣是大尺寸高分辨率遥感图像上多尺度目标及小物体检测。为了整理阅读过的文献，梳理研究思路，记录自己的理解感悟，遂开启一个“物体检测系列博客”。     R-CNN系列综述及阅读笔记主要梳理R-CNN的思想及研究进展，细分为概述性文章和论文阅读笔记。 转载请注明文章出处:  论文 Rich feature hierarchies for
各种IOU损失函数（IOU、GIOU、CIOU、DIOU）
MAX的专栏
02-19 2793
IOU 交并比 GIOU
action-net: multipath excitation for action recognition
最新发布
09-23
多路径激发不仅可以用于动作识别，还可以应用于其他计算机视觉任务，如目标检测和图像分割。 综上所述，Action-Net是一种基于多路径激发的动作识别模型，通过引入多个并行路径学习不同的特征表示，提高了动作识别的...
评论 3
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