论文笔记：Learning Region Features for Object Detection

最新推荐文章于 2020-12-22 16:48:17 发布
最新推荐文章于 2020-12-22 16:48:17 发布
阅读量280 收藏
点赞数
分类专栏： DL
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/dihe874981/article/details/84887943
版权

先mark一下这位博主写的，写得很用心。感谢

中心思想：

继Relation Network实现可学习的nms之后，MSRA的大佬们觉得目标检测器依然不够fully learnable，这篇文章类似之前的Deformable ROI Pooling，主要在ROI特征的组织上做文章，文章总结了现有的各种ROI Pooling变体，提出了一个统一的数学表达式，藉由这个表达式，提出完全可学习，无人工设计的Region特征

不明白的地方：
g(a, b) = max(0, 1 − |a − b|) denotes the 1-D bilinear interpolation
weight

还有公式3也没有理解清楚

tangxiaohu1234
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【论文阅读记录】Learning Region Features for Object Detection（1，待更）
fish_like_apple的博客
10-30 765
前言： {     最近在考虑现在这些目标检测网络用的RoI pooling方法。我认为RoI pooling方法至少有两个缺点：一是检测效果有限，目标尺寸和数量都受限；二是anchors和一些相关参数需要被预设，不支持全面的学习。     所有这次找到了一篇有关的论文[2]，想通过阅读找点灵感。 }   正文： {     在论文的第一节，作者介绍了目标检测的5个步骤：特征生成、...
【论文笔记】Learning Region Features for Object Detection
qq_38778069的博客
03-01 569
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...
learning region features for object detection
WYXHAHAHA123的博客
03-11 657
北大和MSRA合作的paper。 首先要明确的是，region feature这个概念指的是region proposal所对应的特征块，必须知道，只有two stage method中才有region proposal的概念（两个阶段的检测器输出的位置坐标是级联的预测形式，先对anchor微调得到region proposal，再对region proposal微调得到pre...
Learning Region Features for Object Detection
Wayne2019的博客
04-15 1645
图像特征提取，候选区域生成，候选区域特征提取（roi pooling），区域识别，去重 fm x: Cf, H, W RoI b y(b) = RegionFeat(x, b) y(b): K, Cf. K比如是bin的数目 y_k(b): 第k个bin内的特征 一般表述： 将y_k(b)的支持区域由roi pooling的一个bin内部扩展到整个fm x。权重依赖于位置p，fm x...
【论文笔记】：Learning Rich Features at High-Speed for Single-Shot Object Detection
01-06
Learning Rich Features at High-Speed for Single-Shot Object Detection 代码 &Summary 作者设计了一个one-stage检测框架，它结合了微调预训练模型和从零开始训练的优点。该框架包括一个预训练过的标准backbone...
论文笔记：Learning Deconvolution Network for Semantic Segmentation
01-06
文章目录1 摘要2 亮点2.1 解码器结构2.1.1 反池化层2.1.2 反卷积层2.1.3 反池化和反卷积结合2.2 网络整体结构3 部分效果3.1 FCN和DeconvNet的对比3.2 各个网络效果对比4 结论5 参考文献 1 摘要 ...
FreeAnchor:Learning to match anchors for visual object detection论文翻译.doc
02-20
FreeAnchor:Learning to match anchors for visual object detection论文翻译
Learning Rich Features from RGB-D Images for Object Detection and Segmentation
04-22
In this paper we study the problem of object detection for RGB-D images using semantically rich image and depth features.We pro- pose a new geocentric embedding for depth images that encodes height ...
An Object Detection Algorithm for Deep Learning Based on Batch Normalization
02-08
Based on the advantage of deep learning in object extraction, in this paper we design a deep network that adds Batch-Normalization to the convolution layer. Batch-Normalization has three main ...
Learning Deep Features for Discriminative Localization论文原文加翻译
06-11
Learning Deep Features for Discriminative Localization论文原文加翻译
《Learning Region Features for Object Detection》笔记
qq_24548569的博客
09-14 206
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...
论文笔记| Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
bea_tree的博客
06-19 2726
Author Shaoqing Ren, Kaiming He, Ross Girshick, and Jian Sun Shaoqing Ren Abstract In this work , it introduces a Region Proposal Network(RPN) that shares full-image convolutional features wi
hrsc2016 下载 数据集_Aerial Images Dataset 航空图像数据集 收集
weixin_39783857的博客
12-22 2133
1. 无人机(UAV)倾斜角度捕获城市场景的航拍图像分割数据集无人机(UAV)倾斜角度捕获城市场景的航拍图像分割数据集 UAVid: A semantic segmentation dataset for UAV imagery(https://doi.org/10.1016/j.isprsjprs.2020.05.009)可通过 kaggle API下载:kaggle datasets do...
各种对象检测论文总结(Object Detection )
热门推荐
junmuzi的专栏
12-01 2万+
Original url: http://blog.csdn.net/u010167269/article/details/52563573 https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html Object Detection  Published: 09 Oc
基于目标检测的回归创新实验感想（基于yolo v1）
尼伯龙根
10-08 254
Regression from [x,y,w,h] to [x,y,s,r] （ratioNet） 出发点：为什么不直接预测长度和比例使anchor更加方便？ scale=w∗hratio=wh scale = \sqrt{w*h} \\ ratio = \sqrt{\frac{w}{h}} scale=w∗h​ratio=hw​​ Experiment Result 先来看结果，采用了yolo v1 作为基本网络，使用VOC2007+VOC2012作为数据集进行实验 原生yolov1 rati
HRSC2016舰船检测训练实验过程记录
静看岁月
01-24 1万+
博主目前正尝试使用HRSC2016图片1000张多左右，每张舰船约1-3只，分辨率为 1182*827 用以finetune textboxes++,实现任意方向的目标的检测 训练过程参考： 利用caffe-ssd训练物体检测模型 中间层可视化 一、数据集xml的生成过程以及 检测顺时针四角点的生成过程 见博主其它相关记录 二 、stage1 迭代 20000次 gpu内存受限 batch_siz...
基于 mask_rcnn 的舰船检测
静看岁月
11-22 4453
最近想的idea 就发现有文章出来了，这世界真大，多多拜读吧 均为水文，大牛请忽略 paper1 INSHORE SHIP DETECTION BASED ON MASK R-CNN Shanlan https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8519123 1 、在maskrcnn的基础上加入了 soft-nms 2、...
recent advances in deep learning for object detection
最新发布
03-16
近年来，深度学习在目标检测领域取得了很大的进展。其中，一些最新的技术包括： 1. 目标检测网络的改进：通过引入更深的网络结构和更多的卷积层，可以提高目标检测的准确性和速度。 2. 多任务学习：将目标检测与...

“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