Couple Net论文阅读笔记

CoupleNet是一种改进的目标检测方法,它结合了全局和局部信息。通过对R-FCN的扩展,CoupleNet采用Local FCN获取局部细节,而Global FCN则提取全局上下文。实验表明,这种结合策略在VOC和COCO数据集上提高了检测性能,并保持了较快的速度。
摘要由CSDN通过智能技术生成

CoupleNet: Coupling Global Structure with Local Parts for Object Detection

背景:

R-FCN在利用了FCN之后,目标检测的效果仍然十分可观并在速度上有较大提升,比faster r-cnn快2.5-20倍,R-FCN利用的是卷积产生的位敏得分feature map(一个ROI的k*k个位置对每一类均产生一个score map),基于此进行分类等后续处理,和原来的faster r-cnn的roi pooling处理不同,R-FCN强调了位置(局部信息)。该篇论文的作者抓住R-FCN没有利用全局信息的这个点对R-FCN进行了改进。(实际上,原来的roi pooling是有利用到全局信息。那如何整合局部信息和全局信息,那就两种策略一起用!见后文)
见论文中的例子:


这里写图片描述

检测图像上的沙发,只利用R-FCN(提取局部信息)置信度非常低,全局信息就显的很需要,因为

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