笔记-旷世 beyond retinaNet and MaskRCNN报告

最新推荐文章于 2024-08-11 09:35:58 发布
最新推荐文章于 2024-08-11 09:35:58 发布
阅读量1.6k 收藏 1
点赞数 1
分类专栏： 目标检测 深度学习
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/feima_1/article/details/80724719
版权
本文介绍了对象检测的重要性，特别是在手持设备拍摄和无人驾驶场景的应用。回顾了对象检测的历史，重点讨论了RetinaNet和MaskRCNN的差异，包括one stage和two stage模型。文章还探讨了挑战，如backbone设计、HEAD优化、尺度问题以及Batch Size的影响。此外，作者提出了Light HEAD RCNN的概念，以解决速度和性能的问题，并在Q&A环节解答了关于模型设计的疑问。
摘要由CSDN通过智能技术生成

what is object detection

  1. 手持设备拍摄场景
  2. 无人驾驶场景

why object detection?

  1. 基础的组件
  2. 长远的看:无人驾驶 医疗图像识别

history

特征 + 分类

RetinaNet && MaskRCNN

  1. one stage

  2. two stage MaskRCNN = FPN with ROIAlign ROIAlign 本身对 目标识别的检测影响不大，对实例分割影响比较大。

  • deformable pool

Challenges

  1. backbone
最低0.47元/天 解锁文章
feima_1
关注
专栏目录
RetinaNet网络介绍
chase
06-12 1955
RetainNet网络介绍
机器学习笔记 - 使用Mask-Rcnn训练自定义数据集
学以致用 知行合一
08-22 1193
用于实例分割的Mask R-CNN模型已经从之前的三种对象检测架构演变而来： R-CNN：将输入图像呈现给网络，在图像上运行选择性搜索，然后使用预训练的 CNN 将选择性搜索的输出区域用于特征提取和分类。 Fast R-CNN：仍然使用Selective Search算法来获取region proposal，但是增加了Region of Interest (ROI) Pooling模块。从特征图中提取一个固定大小的窗口，并使用这些特征来获得最终的类标签和边界框。好处是...
Detectron FAIR的物体检测研究平台，实现Mask R-CNN和RetinaNet等流行算法。
凡森
02-15 584
Detectron Detectron是Facebook AI Research的软件系统，它实现了最先进的物体检测算法，包括Mask R-CNN。它是用Python编写的，由Caffe2深度学习框架提供支持。 在FAIR，Detectron已经启动了许多研究项目，包括：用于物体检测的特征金字塔网络，掩模R-CNN，检测和识别人 - 物体相互作用，密集物体检测的焦点损失，非局部神经网络，学习分割每...
R Talk | 旷视科技目标检测概述：Beyond RetinaNet and Mask R-CNN
weixin_41876817的博客
10-15 1696
「R Talk 」是一个深度学习专栏，将通过不定期的推送展示旷视科技的学术分享及阶段性技术成果。「R」是 Research 的缩写，也是旷视研究院的内部代号；而所有的「Talk」都是来自旷视的 Researcher。「R Talk 」旨在通过一场场精彩纷呈的深度学习演讲，抛砖引玉，推陈出新，推动中国乃至全球领域深度学习技术的大发展。   近日，旷视科技 Research Leader、De...
深度学习之目标检测---RetinaNet网络结构详解
最新发布
qq_52191127的博客
08-11 1131
无论是前景类还是背景类， p t p_t pt​ 越大，权重 ( 1 − p t ) γ (1-p_t)^{\gamma} (1−pt​)γ 就越小，即简单样本的损失可以通过权重进行抑制；α t \alpha_t αt​ 用于调节正负样本损失之间的比例，前景类别使用 α t \alpha_t αt​ 时，对应的背景类别使用 1 − α t 1-\alpha_t 1−αt​;γ \gamma γ 和 α t \alpha_t αt​ 的最优值是相互影响的，所以在评估准确度时需要把两者组合起来调节。
Recent FAIR CV Papers - FPN, RetinaNet, Mask and Mask-X RCNN.
pandamax的博客
04-19 371
Recent FAIR CV Papers - FPN, RetinaNet, Mask and Mask-X RCNN.
深度学习之目标检测（五）-- RetinaNet网络结构详解
热门推荐
木卯_THU的博客
08-17 3万+
深度学习之目标检测（五）-- RetinaNet网络结构详解深度学习之目标检测（五）RetinaNet网络结构详解1. RetinaNet1.1 backbone 部分1.2 预测器部分1.3 正负样本匹配1.4 损失计算2. Focal Loss2.1 Cross Entropy Loss2.2 Balanced Cross Entropy2.3 Focal Loss 深度学习之目标检测（五）RetinaNet网络结构详解 本章学习 FPN 相关知识，学习视频源于 Bilibili，部分参考叙述源自 知乎
一文读懂Mask-RCNN笔记（全）
11-20
Mask-RCNN提出了一个实例分割的框架，可以在有效地检测图像中目标的同时为每一个实例产生一个高质量分割Mask。 Mask-RCNN扩展了Faster R-CNN，通过在之前已存在的边界框回归分支上添加新的一个预测目标Mask的分支。
【论文研读笔记---十】Mask-RCNN
云端筑梦师
10-15 373
论文研读系列汇总： 1.AlexNet论文研读 2.VGG论文研读 3.GoogLeNet论文研读 4.Faster RCNN论文研读 5.ResNet 论文研读 6.SENet 论文研读 7.CTPN 论文研读 8.CRNN 论文研读 9.EAST 论文研读 10.Mask-RCNN论文研读 作为一个best paper的6千star项目，会在读完对应论文的同时，更新对应的代码研读，希望比之前...
冰河的渗透实战笔记-冰河.pdf
05-18
冰河整理的全网首个开源的以实战案例为背景的渗透实战笔记，全书共442页，共计37万字（不计空格）。整本书的内容涵盖：Kali基础、渗透工具、木马制作、钓鱼链接生成、爆破密码、内存溢出攻击、web渗透、数据提权、...
RetinaNet深入理解（损失函数详解）
12-28
RetinaNet深入理解（损失函数详解）,RetinaNet深入理解（损失函数详解）
Retinanet网络详解
weixin_41981679的博客
03-29 2万+
Retinanet 网络结构详解以及源代码讲解 网络backbone使用ResNet【18， 34， 50， 101， 152】 FPN层 首先输入的照片的大小为672x640， 然后经过一个池化层， 使用ResNet网络提取特征，得到四个不同尺度的特征图，layer1, layer2, layer3,layer4.源代码中的尺度融合是从layer2层开始。然后再经过尺度融合得到f3, f4, f5, f6, f7五个不同尺度的特征层。 一、Focal Loss Retinanet网络的核心就是Foc
RetinaNet 论文笔记
qq_30146937的博客
02-15 561
前言 现在的目标检测算法主要可以分为两类： two-stage，比如Fast R-CNN，Faster R-CNN，Mask R-CNN。它们首先生成一系列稀疏的候选区域，然后用CNN对每个候选区域进行分类，判断它们是属于前景中的某个类别，还是属于背景。现在这一类方法可以达到很高的精度，但是速度略有不足。 one-stage，比如YOLO和SSD。它们对目标的位置、尺度和长宽比进行规则的密集的采...
目标检测——RetinaNet（十）
散修炼丹师手记
11-03 624
简介： 这篇paper《RetinaNet：Focal Loss for Dense Object Detection》获得了ICCV 2017的Best，创新点就是Focal Loss了，其主要贡献就是解决了one-stage算法中正负样本的比例严重失衡的问题，不需要改变网络结构，只需要改变损失函数就可以获得很好的效果。 原论文地址：https://arxiv.org/pdf/1708.02002.pdf 网络结构： 由上图可以看出结构比较简单，基础网络使用的是Resnet，然后在不同尺度的featur
目标检测：RetinaNet网络介绍及代码笔记
qq_50001789的博客
06-26 778
目标检测：RetinaNet网络介绍及代码笔记
faster rcnn fpn_FPN+RetinaNet
weixin_39770311的博客
11-22 369
FPN:Feature Puramid Networks for Object Detection11.18在学习RetinaNet的过程中也涉及到FPN部分，虽然现在其作用已经厘清，但是还是想把原文看看，大概两周没有看论文了，要么撸代码，要么做一些比较细碎的工作去了，今天看半天，总是不能静下心来，不过今天熬，我也得熬完这篇文章，因为拖到第二题我会更不可能好好学习了。11.19说话不负责任真好，我...
23_RetinaNet网络结构详解
https://github.com/foxpup11?tab=repositories
07-13 1035
https://www.bilibili.com/video/BV1Q54y1L7sM/?spm_id_from=333.999.0.0&vd_source=7dace3632125a1ef7fd32c285eb2fbac
目标检测：速度和准确性比较（Fater R-CNN，R-FCN，SSD，FPN，RetinaNet和YOLOv3）
zero的博客
11-14 8517
点击上方“AI算法与图像处理”，选择加"星标"或“置顶”重磅干货，第一时间送达推荐文章【点击下面可直接跳转】：文章来源：https://zhuanlan.zhihu.co...
Mask-RCNN详解：实例分割与边界框增强的深度解析
本文是一篇深入解读Mask-RCNN技术的详细笔记，Mask-RCNN是计算机视觉领域的一个重要里程碑，它在实例分割任务中展现出了强大的性能。该模型起源于Faster R-CNN的扩展，旨在同时实现目标检测和高质量实例分割。 首先...
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