2022.04.09
1. 小卷积核和大卷积核有没有可能组合使用效果更好,比如在目标检测网络,人脸识别网络,
2.人脸识别中共享卷积有效吗?共享卷积和局部卷积有没有可能组合使用效果会更好?
人脸识别,人脸属性,人脸关键点,活体检测应该都可以用局部卷积,可以节省算力资源。
参考mobile vit
做语义分割不用任何像素标签,UCSD、英伟达在ViT中加入分组模块
GroupViT 架构
GroupViT 包含按阶段分组的 Transformer 层的分层结构,每个阶段会处理逐渐放大的视觉片段。右侧的图像显示了在不同分组阶段要处理的视觉片段。在初期阶段模型将像素分组为局部对象,例如大象的鼻子和腿。在更高的阶段进一步将它们合并成整体,例如整个大象和背景森林。
每个分组阶段都以一个分组块结束,该块会计算学习到的组标记和片段(图像)标记之间的相似度。相似度高的组会分配给同一组的段标记并合并在一起,并做进入下一个分组阶段的新段标记。
我的GroupVit学习笔记:
GroupViT 学习笔记_AI视觉网奇的博客-CSDN博客
3.浅层特征,中层特征,深层特征,他们的目标和作用应该是不同的,如何改进呢?
4.小目标检测时,浅层特征应该已经有特征,如何提取这些特征呢?
5.多任务网络,比如检测,分类,分割同时出?
6.如何去除网络的冗余?
7.算法脑筋急转弯,如果一个人脸关键点网络,睁眼,闭眼效果不太好,应该如何改进?
8.检测网络是编码网络,上采样的目的是什么?
感觉有冗余,搭建一个宽点的小网络,检测小目标
小目标检测心得
CNN 两大特性(局部连接、权重共享)
对于检测网络来说,权重共享就像扫描器,对于人脸识别来说,人脸上下左右部分是不一样的,不用全局扫描器,局部扫描器是不是更好。
欢迎大家评论区留言