《Feature Pyramid Networks for Object Detection》论文阅读笔记

最新推荐文章于 2024-03-27 11:07:37 发布
VIP文章 最新推荐文章于 2024-03-27 11:07:37 发布
阅读量455 收藏 7
点赞数 1
分类专栏： 论文阅读
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/prague6695/article/details/116013240
版权

FPN

很多论文中都会采用含有FPN的backbone进行特征提取，因为FPN使用特征金字塔结构，将low-level的特征和high-level的特征进行融合，能提取更加准确的位置等特征信息。
所以今天打算读一读FPN的论文，

文章目录

该内容采用： 摘录重点部分+提出问题的方式，来阅读该篇论文。 后面会逐一的解答提出来的的问题。

make decision

  • 论文名称：Feature Pyramid Networks for Object Detection

中文翻译过来就是用于目标检测的特征金字塔网络， 大概可以知道 该网络在多层的特征图上提取特征。

  • 作者：Tsung-Yi Lin, Piotr Dollár, Ross Girshick, Kaiming He, Bharath Hariharan, and Serge Belongie
  • 机构：Facebook AI ，Cornell University and Cornell Tech
  • 年份： 2016
  • 是否精读：是
  • 做出决定日期：2021-4-22
  • 论文地址：
最低0.47元/天 解锁文章
在学习的王哈哈
关注
  • 1
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Feature Pyramid Networks for Object Detection.pdf
08-10
Feature Pyramid Networks for Object Detection.pdf
特征金字塔：FPN论文笔记——Feature Pyramid Networks for Object Detection
qq_50001789的博客
06-25 401
特征金字塔：FPN论文笔记——Feature Pyramid Networks for Object Detection
Feature Pyramid Networks for Object Detection (FPN) 阅读笔记
头狼博客
03-25 1000
Feature Pyramid Networks for Object Detection (FPN) 阅读笔记 目录—————————– Feature Pyramid Networks for Object Detection (FPN) 阅读笔记 目录—————————– 一. 文章主要内容： 二、了解该论文需要的基础知识（扩展阅读） 三、作者要解决的问题 3.1 与以前的特征金...
【即插即用】CFPNet最新特征金字塔（附源码）
最新发布
weixin_45694817的博客
03-27 739
我们首先提出了一种空间显式的视觉中心方案，其中使用轻量级的多层感知机（MLP）来捕获全局长距离依赖关系，并使用并行的可学习视觉中心机制来捕获输入图像的局部边缘区域。在此基础上，我们提出了一种全局集中式的调节方法，用于从上到下对常用的特征金字塔进行调节，其中从最深层的层内特征中获得的显式视觉中心信息用于调节前面的浅层特征。通过这种方式，CFP能够更全面地提取图像的特征，尤其是那些容易被忽略的边缘区域。
Centralized Feature Pyramid for Object Detection (目标检测Neck组件)
qq_54828577的博客
03-13 1332
1.基于网络内特征金字塔的方法（是用适当的上下文信息为不同大小的每个目标分配感兴趣区域，并使这些目标能够在不同的特征层中被识别）：例如SSD和FFP缺点：上述方法基于CNN主干，而CNN主干受到固有的极限感受野的影响。3.基于Transformer方法(将输入图像划分为不同的图像块，然后使用块之间基于多头注意力的特征交互来完成获取全局长距离相关性的目的。)：PVT和Swin transformer缺点：尽管这些方法可以解决CNN中有限的感受野和局部上下文信息，但一个明显的缺点是它们的计算复杂性大。
Centralized Feature Pyramid for Object Detection解读
qq_41291067的博客
11-03 1144
主流的特征金字塔集中于层间特征交互，而。尽管一些方法试图在注意力机制或视觉变换器的帮助下学习紧凑的层内特征表示，但它们忽略了对密集预测任务非常重要的被忽略的角点区域。
解读 Centralized Feature Pyramid for Object Detection
发光吧的博客
10-24 4260
解读 Centralized Feature Pyramid for Object Detection
论文笔记：Feature Pyramid Networks for Object Detection(FPN)
upup
08-18 1227
一、基本信息 标题：Feature Pyramid Networks for Object Detection 时间：2017 引用格式：Lin, Tsung-Yi, et al. “Feature pyramid networks for object detection.” Proceedings of the IEEE conference on computer vision and pattern recognition. 2017. 二、研究背景 为了检测小物体，最常用的做法是构建金字塔，比如S
（FPN）Feature Pyramid Networks for Object Detection论文阅读笔记
weixin_43422466的博客
07-16 278
文章目录（FPN）Feature Pyramid Networks for Object Detection论文阅读笔记2016Abstract1. Introduction2. Related Work3. Feature Pyramid Networks4. Applications4.1 Feature Pyramid Networks for RPN4.2 Feature Pyramid Networks for Fast R-CNN5. Experiments on Object Dete
A-2 Extended Feature Pyramid Network for Small Object Detection.pdf
04-21
EFPN、
Panoptic Feature Pyramid Networks.pdf
11-12
FAIR何恺明团队最新论文提出“全景FPN”，聚焦于图像的全景分割任务，将分别用于语义分割和实例分割的FCN和...Facebook人工智能实验室(FAIR)何恺明等人团队在arXiv发布最新论文：Panoptic Feature Pyramid Networks。
A Post-Processing Approach in Moving Objects Detection via Feature Pyramid Networks
02-08
A Post-Processing Approach in Moving Objects Detection via Feature Pyramid Networks
Pyramid Feature Attention Network for Saliency detection.ppt
01-10
显著性检测组会汇报ppt，主要讲解了将金字塔特征注意力网络用于显著性检测的方法，网络结构，实验等内容。
论文笔记-Feature Pyramid Networks for Object Detection
Liven_Zhu的博客
07-03 352
本文作者提出了一种特征金字塔网络（FPN），可以作为一种通用的特征提取器用于多个应用。作者将FPN与Faster R-CNN结合，在COCO2016上运行结果超过了现有的单一模型的表现。 1. 介绍 图像金字塔的优势就是可以提供一个多尺寸的特征表征，每一层级的语义更强。下图是最近的一些金字塔层级的网络架构: （a）图像金字塔的模型。每一尺寸图像连接一卷积网络，输出多个尺寸的特征映射，...
基于YoloV5的CFPNet---ECVBlock的小目标检测，即插即用，助力检测涨点
各专栏持续更新中，改进创新YOLO，适用v5、v7、v8、v9，订阅者私信添加本人微信！！！ By AI小怪兽
03-13 4644
基于YoloV5-ECVBlock的小目标检测，涨点提升检测精度
顶刊TIP 2023 | CFP：即插即用的多尺度融合模块，助力检测分割任务有效涨点！
专注计算机视觉全栈知识分享
05-20 2260
本文介绍了一种基于全局显式集中特征规范的对象检测方法CFP。该方法首先提出了一种空间显式视觉中心方案，其中使用轻量级MLP来捕捉全局长程依赖，并使用并行可学习的视觉中心来捕捉输入图像的局部角区域。基于所提出的EVC，该文进一步提出了一种自上而下的特征金字塔的全局集中特征规范方法。与现有方法相比，CFP不仅具有捕捉全局长程依赖的能力，还可以高效地获得全方位的、具有判别力的特征表示。实验结果表明，CFP在MS-COCO数据集上具有优异的表现。
FPN
DL_CreepingBird的博客
11-20 1242
Feature Pyramid Networks for Object Detection 前言 这篇论文主要使用特征金字塔网络来融合多层特征，改进了CNN特征提取。论文在Fast/Faster R-CNN上进行了实验，在COCO数据集上刷到了第一的位置，意味着其在小目标检测上取得了很大的进步。论文整体思想比较简单，但是实验部分非常详细和充分。此博文对主要内容进行了翻译和理解工作，不足之处，
FPN（ Feature Pyramid Network for Object Detection）论文详读
weixin_41963310的博客
12-28 170
Abstract 通过图像金字塔建立的特征金字塔是检测网络中重要的组成部分，但近些年使用较少的原因是因为它计算和存储开销较大，本文提出一个通过利用深度卷积网络固有的层次金字塔结构，使用侧向连接结合一个自上而下的外部结构，从而生成一个可以处理所有比例的、具有丰富语义信息的特征图。 Introduce 一般利用特征主要有上述四种形式：a)基于图像金字塔的特征金字塔，但需要较长的处理时间且需要较多的内存进行存储；b)单一特征图，现在state-of-the-art方法大多数都是采用这个方法，但是该方法对检测小型
feature pyramid networks for object detection
06-28
特征金字塔网络（Feature Pyramid Networks, FPN）是一种用于目标检测的神经网络架构。它通过在深层特征图上构建金字塔结构来提高空间分辨率，从而更好地检测小目标。FPN具有高效的多尺度特征表示和鲁棒性，在COCO...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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