深度学习【52】物体检测：DSSD : Deconvolutional Single Shot Detector

最新推荐文章于 2024-08-12 14:50:42 发布
最新推荐文章于 2024-08-12 14:50:42 发布
阅读量1k 收藏 1
点赞数
分类专栏： 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/linmingan/article/details/81095412
版权

DSSD是SSD的一个改进，主要思想是模仿Unet或者漏斗网络的网络结构，进行物体检测。提升的mAP大概1%-2%。
网络结构如下：
这里写图片描述

在原本的SSD基础上加入了上采样层，然后再进行检测。另外DSSD的基础网络为res-101。论文中为了使使用res-101能够达到好的效果，对预测模块进行新的设计。

预测模块

下图分别为（a）SSD的预测模块，(b)，(c)，(d)三种新设计的预测模块。三个不同之处分别为：直接连接，经过卷积后再连接以及两个跳跃连接。
这里写图片描述
结果如下：
这里写图片描述
PM表示预测模块，DM表示相加或者相乘连接。从结果来看，预测模块(c)效果比较好，相乘连接比相加连接好一点。

反卷积模块

使用的是可训练的反卷积模块，而不是上采样模块。每个卷积层都有BN层，使用eltw product进行合并。
这里写图片描述

实验结果

实验很丰富，我们只看最终的结果好了，总体上提升了1%-2%。
这里写图片描述

DCD_Lin
关注
专栏目录
【论文阅读笔记】DSSD : Deconvolutional Single Shot Detector
梁瑛平的博客
01-26 470
《DSSD : Deconvolutional Single Shot Detector》（一）论文地址：（二）解决的问题：（三）DSSD 的核心思想：（四）ResNet 的残差单元：（五） Prediction Module：（六）Deconvolutional Module：（七）Training：（八）实验结果： （一）论文地址： 《DSSD : Deconvolutional Single...
DSSD : Deconvolutional Single Shot Detector论文阅读笔记
weixin_43422466的博客
08-03 559
文章目录DSSD : Deconvolutional Single Shot Detector论文阅读笔记2017Abstract1. Introduction2. Related Work3. Deconvolutional Single Shot Detection (DSSD) model3.1 Using Residual-101 in place of VGG3.2 Prediction module3.3 Deconvolutional SSD3.4 Deconvolution Modul
DSSD: Deconvolutional Single Shot Detector 论文笔记
热门推荐
Jesse_Mx的博客
02-15 2万+
论文地址：DSSD : Deconvolutional Single Shot Detector概述这篇论文应该算是SSD: Single Shot MultiBox Detector的第一个改进分支，作者是Cheng-Yang Fu， 我们熟知的Wei Liu大神在这里面是第二作者，说明是一个团队的成果，论文很新，暂未发布源代码。博主对该文章重要部分做了翻译理解工作，不一定完全对，欢迎讨论。在SS
DSSD : Deconvolutional Single Shot Detector
王小胖儿的博客
04-25 4700
《DSSD : Deconvolutional Single Shot Detector》[1]  2017年发表在CVPR上。     前身是《SSD: Single Shot MultiBox Detector》[2]  推荐博客：论文阅读：SSD: Single Shot MultiBox Detector     两者都是物体检测领域的文章，DSSD对小目标检测效果较SSD有所提升。
目标检测之---SSD算法详解
最新发布
qq_52191127的博客
08-12 1323
SSD模型在2016年由Wei Liu等人提出，并迅速成为对象检测领域的重要工具。随着深度学习技术的不断发展，SSD在许多应用中被广泛使用，如自动驾驶、视频监控、智能安防等。SSD（Single Shot MultiBox Detector）是一种用于对象检测的深度学习神经网络架构。它主要用于在图像中检测和识别多个对象，同时预测这些对象的类别和位置。SSD在速度和精度之间达到了很好的平衡，使其成为实时应用中非常流行的选择。
【目标检测】DSSD:Deconvolutional Single Shot Detector
zhw864680355的博客
12-12 404
论文：《DSSD:Deconvolutional Single Shot Detector》 论文地址：https://arxiv.org/abs/1701.06659 1、背景 SSD算法在检测小目标时精度并不高，本文是在在SSD的基础上做出一些改进，引入卷积层，能综合上下文信息，提高模型性能。 DSSD针对小目标鲁棒性太差，提出了以下两个贡献：1. 把SSD的基准网络从VGG换成了Re...
DSSD:Deconvolution Single Shot Detector
DeepIndeed
12-25 274
论文来源 作者: http://www.cs.unc.edu/~wliu/ 论文: https://arxiv.org/abs/1701.06659 效果展示: http://www.cs.unc.edu/~cyfu/dssd_lalaland.mp4 其中主要展示的是对大物体-- 人物的追踪比较多，其他物体比重不大。 Abstract 采用Residual-101代替VGG网络 引入...
READING NOTE: DSSD: Deconvolutional Single Shot Detector
joshua_1988
02-10 1849
TITLE: DSSD: Deconvolutional Single Shot Detector
论文阅读-《DSSD : Deconvolutional Single Shot Detector》
yj_isee的博客
06-15 8921
arxiv 23/1/2017SSD作者Wei Liu的新作Motivation通过增加context的信息来提高目标检测的准确率是一个常见的方法，在SSD当中，作者没有利用到context的信息，因此，作者在DSSD里面尝试通过加入context来改善SSD的性能Framework 上图表示SSD的基本结构，采用的是VGG作为base network，后来有作者新加的SSD layer，然后在选
DSSD：Deconvolutional Single Shot Detector
风一样的男子（quinta）的博客
05-22 760
arxiv：https://arxiv.org/abs/1701.06659 github：https://github.com/chengyangfu/caffe/tree/dssd github：https://github.com/MTCloudVision/mxnet-dssd demo：http://120.52.72.53/www.cs.unc.edu/c3pr90ntc0td/...
[论文笔记]DSSD : Deconvolutional Single Shot Detector
恰同学少年的博客
12-25 1617
论文”DSSD : Deconvolutional Single Shot Detector”是对目标检测方法SSD (“SSD: Single Shot MultiBox Detector”)的改进版，都是同一作者团队发表的。 论文链接：https://arxiv.org/pdf/1701.06659 SSD的缺点： 虽然SSD利用了浅层的特征来检测小目标，（浅层 small recept
YOLOv1、YOLOv2、 YOLOv3、SSD DSSD 单阶段目标检测论文
10-11
YOLO是Joseph Redmon和Ali Farhadi等人于2015年提出的第一个基于单个神经网络的目标检测系统。Joseph Redmon和Ali Farhadi发表的YOLO 2进一步提高了检测的精度和速度。
DSSD（Deconvolutional Single Shot Detector）
BigData私房菜
02-20 702
本文作者将当前表现最好的分类器Residual-101和SSD进行了结合，并为SSD+Residual-101添加了额外的降卷积层以引入大尺度的context用于提高目标检测的精度，尤其是小目标。DSSD又叫做deconvolutional single shot detector。虽然这两种贡献容易在高层上表达，但是简单的配置是不会成功的。相反，作者展示谨慎的添加额外的学习转换阶段，具体是一个在...
DSSD(Deconvolutional Single Shot Detector)--目标检测
zk_ken的博客
01-15 822
论文地址：https://arxiv.org/abs/1701.06659 Github 源码（caffe版）：https://github.com/chengyangfu/caffe/tree/dssd 1、文章概述     DSSD(Deconvolutional Single Shot Detector)是SSD算法改进分支中最为著名的一个，SSD的其他改进还包括RSSD（https://...
论文阅读笔记三十四：DSSD: Deconvolutiona lSingle Shot Detector（CVPR2017）
weixin_34100227的博客
12-20 329
论文源址：https://arxiv.org/abs/1701.06659 开源代码：https://github.com/MTCloudVision/mxnet-dssd 摘要 DSSD主要是向目标检测结构中增加语义信息。本文首先结合ResNet-101与SSD，然后，在此基础上添加反卷积层用于增大目标检测中的语义信息，从而提高目标物体尤其是小物体检测的准确率。本文...
DSSD : Deconvolutional Single Shot Detector 论文笔记
qq_30146937的博客
05-14 435
前言 SSD使用较浅的层来预测小目标，用较深的层来预测大目标，这样虽然能够实现多尺度目标检测，但由于浅层的特征图语义信息不够强，缺乏高层的语义特征，因此SSD对小目标的检测效果很差。这样来看的话，如果我们要提升检测精度，要么使用更好的特征网络 以提取判别性更强的特征，要么增加上下文信息，也就是将高层语义特征融入浅层特征图中，这对于检测小目标是很重要的。 本文最重要的贡献是，将上下文信息引入目标检测中。将SSD的基础网络从VGG换成ResNet-101，以更好地提取特征；同时利用反卷积层（deconvolut
DSSD:Deconvolutional Single Shot Detector-------论文理解
ruoruojiaojiao的博客
04-13 335
参考博客：https://blog.csdn.net/jesse_mx/article/details/55212179?utm_source=itdadao&utm_medium=referral 1. 概述 改论文中，作者总的有两个贡献： 一，将原始的SSD中用到的骨干网络vgg-16换为resnet-101，目的是为了使特征提取能力更强； 二，检测网络中，在原有SSD后添加的...
DSOD与SSD：深度学习目标检测的优化与对比
本文档主要探讨了SSD (Single Shot MultiBox Detector) 和 DSSD (Deconvolutional Single Shot Detection) 这两种先进的目标检测网络结构的对比，并重点介绍了DSOD (Densely Connected Single Shot Detection) 的...
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