RFCN 论文要点与PyTorch实现

最新推荐文章于 2021-04-14 13:59:54 发布
最新推荐文章于 2021-04-14 13:59:54 发布
阅读量803 收藏 11
点赞数 2
分类专栏： 论文笔记 论文复现 文章标签： pytorch 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/qq_34907927/article/details/113786173
版权


最近研究一个文本检测网络时，用到了RFCN，但是发现pytorch版本没有简洁的实现版本，故复现论文并开源在github上：
项目链接

结构分析

在这里插入图片描述

RFCN以ResNet101为backbone，从layer3输出的特征用于训练RPN; layer4中的步长被更改为stride=1, 使用空洞卷积替换，整个resnet101的下采样倍数为16x，输出特征用于训练PsRoI Head.

PsRoI 与 RoI 相似，只是不同位置的感兴趣区域的特征分别从不同输入通道上获取，使用cuda实现时主要将输入特征索引匹配好。

在这里插入图片描述

PyTorch实现

Pytorch实现主要把握PsRoI的cuda实现，注：实验发现PyTorch自带的PsROI模块输入和反传结果与MxNet不一致，mAP也低了约5个点，也没有group_size选项，故使用了自己写的PsROI模块。

将RPN和PsROI Head 进行联合训练

  • 在voc2007上训练，使用OHEM，在voc2007上测试mAP可达72.5%（论文为voc07+12训练）
  • 在voc07+12训练还可提升近5个点

==>项目指路：
https://github.com/elbert-xiao/Simple-RFCN-PyTorch

该项目完全基于PyTorch实现，内存占用非常小（训练时约为3GB）,效果还不错。欢迎查看交流，star or fork . ^_^
在这里插入图片描述

功夫小象
关注
  • 2
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 11
    评论
专栏目录
pytorch版空洞卷积，以及RFBNet应用
分享知识
07-17 1466
空洞卷积又叫虫洞卷积 在代码上面其实是一样的，就是参数改改数值而已 我们常见的卷积形式比如3*3的卷积核，在faeture map上，无间隔的累积和出新的faeture map。他的感受野大小是3 常见的代码写法： conv1 = nn.Conv2d(in_channels,out_channels,stride=1,kernel_size,bias=False)#普通卷积 一般只需要写输入通道数、输出通道数、步长，卷积核大小和是否偏置。 其实空洞卷积并不复杂，并且写法和上面一样，普通卷.
论文复现TextCNN(基于PyTorch)
qq_39656703的博客
12-28 2080
前言 复现经典论文，可以回顾深度学习和自然语言处理基础，强化对常用模型的理解，体会经典模型中蕴含的设计哲学，为后续实现自己的模型打下良好基础。如果不深入了解深度学习原理，对基本的模型都不能实现，只会拿开源代码抄抄改改，就会陷入盲目调参的误区，最终浪费时间又一无所获。因此，我们要避免成为调包侠、调参侠，强化对模型的主人翁意识，做到调参有的放矢，方能事半功倍。自己动手实现一个模型并达到或接近原论文效果，正是锻炼动手能力，提升深度学习基本功的好方法。 TextCNN TextCNN(论文Arxiv地址)是CNN用
RFDN:残差特征提取网络用于轻量级图像超分辨率
03-20
射频网 论文代码 我们在赛中获得第一名，接受的研讨会论文和代码即将发布。 模型文件已上传！您可以使用来训练我们的RFDN并使用在重现结果 预训练的模型和测试代码已上传，现在您可以运行test.py来获得挑战的结果。
论文阅读 R-FCN: Object Detection via Region-based Fully Convolutional Networks
复兴之矢
02-24 1425
本文转载自： http://www.cnblogs.com/lillylin/p/6277094.html R-FCN论文阅读（R-FCN: Object Detection via Region-based Fully Convolutional Networks ）   目录 作者及相关链接方法概括方法细节实验结果总结参考文献  
《R-FCN: Object Detection via Region-based Fully Convolutional Networks》论文详解
Michael’s Blog
04-29 459
《R-FCN: Object Detection via Region-based Fully Convolutional Networks》 作者公布的代码地址（caffe版）：https://github.com/daijifeng001/r-fcn 这篇文章主要目的还是想再在fasterrcnn的基础上，加快物体检测的速度，但是网络加速时需要注意，物体检测其实是有两个目标的，一个是检测一个是...
RFCN论文阅读笔记
qq_42277222的博客
10-09 1520
论文地址 R-FCN: Object Detection via Region-based Fully Convolutional Networks 内容 经典的基于区域的检测器faster-rcnn，可以看成以ROI pooling为界的两个部分组成的网络: 一个部分是ROI pooling层之前的特征提取部分以及RPN候选框提取部分，该部分计算共享；另外一个部分是ROI之后，用于目标检测...
Python-这是用于对象检测的RFCN的PyTorch实现
08-10
**Python-对象检测的RFCN PyTorch实现详解** 对象检测是计算机视觉领域的一个关键任务，它涉及到在图像中定位并识别多个不同类别的对象。R-FCN（Region-based Fully Convolutional Networks）是一种高效的对象检测...
matlab麦克斯韦速率代码-D2T-T2D.pytorch:跟踪检测和跟踪检测的Pytorch实现
05-20
matlab麦克斯韦评分代码本文的pytorch实现。 介绍 该项目是检测跟踪和跟踪检测的pytorch实现。 该存储库受以下实现的影响： ，基于Pytorch ，基于Pycaffe + Numpy ，基于Pytorch + Numpy ，基于TensorFlow + Numpy ...
RFCN-tensorflow：TensorFlow中的RFCN实施
02-06
TensorFlow实施RFCN 论文可在。建造ROI池和MS COCO加载程序需要首先进行编译。 为此，请在项目的根目录中运行make。 如果需要特殊的链接器/编译器选项，则可能需要编辑BoxEngine / ROIPooling / Makefile 。 注意：...
视觉经典论文.zip
07-10
1. **RFCN (Region-based Fully Convolutional Networks)**（18_RFCN.pdf）：RFCN是区域全卷积网络的缩写，它在2016年由Ross Girshick等人提出。该论文扩展了传统的全卷积网络（FCN），引入了区域提议网络（RPN）的...
基于机器视觉技术的智慧城市人流量统计系统设计与实现(毕设&课设论文参考).pdf
最新发布
02-23
### 基于机器视觉技术的智慧城市人流量统计系统设计与实现 #### 一、引言 随着科技的快速发展，智慧城市已经成为未来城市发展的趋势之一。其中，机器视觉技术的应用为智慧城市的建设和运营提供了强有力的支持。...
R-FCN-master.zip_FCN分割_R-FCN_r fcn_rfcn_rfcn网络
07-14
RFCN，用于进行物体的检测和分割，能够检测出需要的物体
基于深度学习的校园环境下学生状态及异常行为识别方法研究(毕设&课设论文参考).pdf
02-23
未来的研究可以进一步探索更多维度的数据融合和技术优化，以期实现更为精准高效的安全管理与服务。 总之，基于深度学习的校园环境下的学生状态及异常行为识别方法是一项具有重要意义的技术创新，它不仅有助于提升...
tensorflow的目标检测模型rfcn_resnet101_coco_11_06_2017
06-21
RF-CN ResNet101模型在TensorFlow中实现了高效的COCO数据集目标检测，结合RPN和FCN的优点，以及ResNet101的强大表达能力，为实际应用提供了可靠的解决方案。TensorFlow Model API则简化了模型的使用流程，让开发者能...
GitHub：超分辨率最全资料集锦
leoking01的专栏
04-14 1260
前言 本文将分享的内容是：超分辨率（Super Resolution，SR）最全资料合集，涵盖了SISR、VSR等。 在这里插入图片描述 一张图看懂超分辨率SR作用 注：文末附超分辨率SR微信交流群，欢迎加入学习 Awesome-Super-Resolution 项目作者：ChaofWang Star 数量：636 Commit 数量：120 https://github.com/ChaofWang/Awesome-Super-Resolution 该项目主要包含以下内...
rfcn 共享_【论文解读】Deep Burst Denoising/RFCN
weixin_39865440的博客
01-05 224
1. 简介许久没更，今天忙里偷闲（终于想写）再写一篇.....本文要写的是对两篇文章的理解和认识，分别是Deep Burst Denoising 和 End-to-End Denoising of Dark Burst Images Using Recurrent Fully Convolutional Networks (RFCN)，两篇文章的思想都在于，将RNN的思想用于图像序列的去噪和增强。...
目标检测方法——R-FCN
weixin_30316097的博客
01-13 444
R-FCN论文阅读（R-FCN: Object Detection viaRegion-based Fully Convolutional Networks ） 目录 作者及相关链接 方法概括 方法细节 实验结果 总结 参考文献 作者及相关链接 作者： 作者链接：代季峰，何恺明，孙剑 论文链接：论文传送门 代码链接：mat...
RFCN-阅读笔记-理解
热门推荐
tuzixini的博客
12-08 1万+
论文: R-FCN: Object Detection via Region-based Fully Convolutional Networks翻译:http://blog.csdn.net/shadow_guo/article/details/51767036 (不精确,参考) http://blog.csdn.net/u012905422/article/details/53242183理解
python rfcn.py
02-13
"rfcn.py" 是一个 Python 脚本文件，它代表了一个 "Region-based Fully Convolutional Networks (R-FCN)" 的实现。你可以在命令行中运行它，以便使用 R-FCN 算法进行图像分类或目标检测。
评论 11
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