DSSD : Deconvolutional Single Shot Detector

DSSD是2017年CVPR上的一篇论文,它改进了SSD,特别是在小目标检测上。通过使用Residual-101作为基础网络和引入反卷积模块,DSSD提高了检测准确率,形成不对称的沙漏结构。实验表明,反卷积模块增强了空间上下文信息,提升了检测性能,尤其是在小物体检测上表现出色。
摘要由CSDN通过智能技术生成

   《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。

方法

    在SSD中,作者采用VGG作为base network,但也提到其他网络应该也可以产生很好的效果。因为Residual-101[3]在很多文章中取得了很好的效果,所以在DSSD中,第一个改进就是把base network改成了Residual-101,提高特征提取能力。

  

    换完base network之后,作者通过实验发现,准确率从77.5%降至了76.4%,说明只换网络并不能够提高准确率。受[4]启发,如果能够提高每一个子网络的准确率,那整个网络的准确率也会得到提升。所以作者在每次预测之前(上图中红色椭圆部分)加入了一个“预测模块”(prediction module):


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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