1.2017年发表在CVPR上的Focal loss for dense object detection。
2.RetinaNet是一个一阶段网络,首次超过二阶段网络。
与FPN的区别:FPN会从C2生成P2,但由于P2会占用更多的资源,所以去掉了。因为相对于P3到P6,P2的特征图更大一些,所以占用更多的资源。针对3个不同的预测特征层使用的是同一个预测器(权值共享)。预测器的细节部分分为两部分:类别预测(K是不包含背景的类别个数值)和参数预测。
1.2017年发表在CVPR上的Focal loss for dense object detection。
2.RetinaNet是一个一阶段网络,首次超过二阶段网络。
与FPN的区别:FPN会从C2生成P2,但由于P2会占用更多的资源,所以去掉了。因为相对于P3到P6,P2的特征图更大一些,所以占用更多的资源。针对3个不同的预测特征层使用的是同一个预测器(权值共享)。预测器的细节部分分为两部分:类别预测(K是不包含背景的类别个数值)和参数预测。