理解目标检测算法之Light Head R-CNN

最新推荐文章于 2024-07-19 00:06:13 发布
最新推荐文章于 2024-07-19 00:06:13 发布
阅读量1.9k 收藏 4
点赞数
分类专栏： 深度学习算法 文章标签： 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/diligent_321/article/details/85225019
版权

文章目录

对于目标检测任务，输入图像通常都要经历３个步骤，Backbone + Head + Postprocess(NMS)，目标检测算法的优化，通常也是围绕着这３个方面展开的。针对Backbone的优化有DetNet，针对Head的优化有Light head R-CNN，针对Postprocess的优化有soft nms和softer nms。值得一提的是，除了soft nms，其余的几篇文章都是face ++出品，不愧是多届coco目标检测竞赛的冠军，确实厉害。本文接下来将只介绍Light head R-CNN，大家如果对其它文章感兴趣，也可以直接去读原文，一定会对目标检测任务有更多的感悟。

1 动机

对于two-stage的目标检测算法，常见的有Faster R-CNN和R-FCN。当图像中的proposals个数增加时，Faster R-CNN的计算量会迅速增加，R-FCN虽然解决了Faster R-CNN中存在的重复计算问题，但是backbone最终的特征图channels较大，导致计算量也比较大。

Light Head R-CNN是Faster R-CNN和R-FCN的结合体，主要的改进点包括２点，（１）per-Roi RCNN subnetwork计算量尽可能多地共享；（２）整个目标检测网络的head部分channels个数减少。

2 网络结构

网络结构如下图，同R-FCN相比，它有两个不同的地方，（１）使用large

最低0.47元/天 解锁文章
diligent_321
关注
专栏目录
Light_Head_RCNN
12-25
该资源是Light Head RCNN的网络可视化资源，用tensorboard可打开
旷视&清华大学提出新型两步检测器Light-Head R-CNN
zchang81的博客
11-24 4826
近日，来自旷视和清华的研究者提出一种新型两步检测器 Light-Head R-CNN，改变两步检测器头重脚轻（heavy-head）的设计，实现速度和准确率的双重突破。
目标检测中的head详解
最新发布
m0_49133355的博客
07-19 446
在目标检测任务中，“Head”是网络的最后一部分，它从“Neck”提供的特征图中生成最终的检测结果，即目标的类别和边界框信息。不同的目标检测方法可能会有不同的Head设计，但其核心功能都是对特征图进行处理，输出目标的类别和位置。不同的目标检测算法可能有不同的Head设计，但其核心任务都是进行目标的分类和边界框回归。回归分支：用于预测每个锚框的边界框回归参数，即目标框的位置和大小。独立的分类和回归分支：每个尺度的特征图都有独立的分类和回归分支。单一输出层：YOLO在单一输出层上预测所有锚框的类别和位置。
Light-Head R-CNN解读
Sundrops的专栏
11-27 1255
detection新作Light-Head R-CNN
Light-Head R-CNN
明月清风
12-10 654
文章目录论文信息two-stage 检测器的速度瓶颈网络架构对比主干网络 BackboneThin feature maps for RoI warpingRPNLight-Head R-CNN 精度提升技巧Light-Head R-CNN 速度提升技巧 论文信息 原文地址：Light-Head R-CNN: In Defense of Two-Stage Object Detector 代码实现...
Light-Head-R-CNN
05-10
神经网络头中的Light Head R-CNN和FPN（特征图金字塔）以及卷积层的共享权重 平台介绍 Detectron的目标是为对象检测研究提供高质量，高性能的代码库。 它被设计为灵活的，以支持对新研究的快速实施和评估。 ...
Light-Head R-CNN源代码，tensorflow版本
06-01
Light-Head R-CNN是一种深度学习的目标检测框架，它的核心思想是通过优化网络的头部设计，大幅减少计算量，从而实现高效且精确的目标检测。在TensorFlow版本的实现中，这个理念得到了充分的体现。本项目名为"light_...
Light-Head R-CNN算法笔记
热门推荐
AI之路
11-28 1万+
论文：Light-Head R-CNN: In Defense of Two-Stage Object Detector 链接：https://arxiv.org/abs/1711.07264这篇是旷视和清华大学在COCO 2017比赛拿到冠军的算法。目前object detection算法主要分为one stage的SSD、YOLO；two stage的Faster RCNN、R-FCN、Mas
目标检测YOLO实战应用案例100讲-基于激光雷达点云的三维目标检测算法研究
qq_36130719的博客
05-23 2289
近几年来，在计算机视觉领域，利用深度学习卷积神经网络技术来实现各种任务的算法越来越多。毫米波雷达、相机、激光雷达、超声波雷达等车载传感器生产成本的降低，汽车的自动驾驶技术得到了飞速发展，在我们的日常生活中经常能看到该技术辅助汽车驾驶员进行行车。和非自动驾驶汽车相比，自动驾驶汽车存在诸多优点，如进一步减少交通事故，保障人身安全；提供安全合理的路线，避免交通拥堵；采用清洁无污染的电能作为汽车新能源，从而降低大气污染等。现如今，自动驾驶技术已经逐渐深入到各个领域并发挥着关键的作用。
【Light-Head RCNN】《Light-Head R-CNN: In Defense of Two-Stage Object Detector》
bryant_meng
09-10 859
arXiv preprint arXiv:1711.07264 bullet rather than bald 文章目录1 Motivation2 Innovation3 Advantages4 Methods4.1 R-CNN subnet4.2 Thin feature maps for RoI warping4.3 LightHead RCNN for Object Detection4...
Light-Head R-CNN 简介
qq_16540387的博客
08-21 353
一背景 一般而言，两阶段检测器在速度上有优势，在速度上相比于单阶段检测器会稍慢一点，所以，Light-Head R-CNN的设计初衷是两阶段的物体检测器也可以做的更快，而且在精度上尽可能的提高。 二 对比分析 Faster R-CNN 和R-FCN在小模型上不够快的原因。 Faster R-CNN 用两个厚重的fc（或者resnet 的第5个stage）做proposal的预测，...
目标检测算法之Light-Head R-CNN
I good vegetable a!
06-14 477
1. 前言 今天要为大家介绍一个RCNN系列的一篇文章，这也是COCO 2017挑战赛上获得冠军的方案。之前我们讲过了很多RCNN系列的检测论文了，例如Faster RCNN（请看公众号的Faster RCNN电子书）以及R-FCN 目标检测算法之NIPS 2016 R-FCN（来自微软何凯明团队） 。然后R-FCN是对Faster RCNN网络进行了改进，去掉了全连接层使得网络成为了全卷积网络，从而提升了检测速度，那么还能不能继续对R-FCN进行改进呢？Light-Head RCNN就实现了这一改进，我们
目标检测之Light-Head R-CNN
thisiszdy的博客
05-07 506
一、目标检测之Light-Head R-CNN Light-Head R-CNN: In Defense of Two-Stage Object Detector 论文链接：https://arxiv.org/abs/1711.07264 论文翻译：https://blog.csdn.net/thisiszdy/article/details/89915729 论文详解：https://blog...
light-head RCNN的简单连接
caihaocong的专栏
10-30 317
代码：https://github.com/zengarden/light_head_rcnn  论文：https://arxiv.org/abs/1711.07264  旷视科技讲解：https://www.sohu.com/a/212814713_610300   来源：  https://blog.csdn.net/qq_35608277/article/details/80529452...
目标检测系列：light head rcnn
qq_39068872的博客
03-31 463
论文链接：https://arxiv.org/pdf/1711.07264.pdf 文章目录1. Introduction2. Light head R-CNN2.1 RCNN 子网2.2 Light head rcnn3. 实验细节4 总结 1. Introduction 都知道two-stage方法要比one-stage精度高，但是运行速度要慢很多，通过实验发现，faster rcnn和R-F...
Light-Head R-CNN(In Defense of Two-Stage Object Detector) 学习笔记
zhulf0804的博客
10-15 267
论文: Light-Head R-CNN: In Defense of Two-Stage Object Detector 代码: https://github.com/zengarden/light_head_rcnn 作者: Zeming Li, Chao Peng, Gang Yu, Xiangyu Zhang, Yangdong Deng, Jian Sun 一、Light-Head R-...
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