![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文笔记
文章平均质量分 79
功夫小象
这个作者很懒,什么都没留下…
展开
-
RFCN 论文要点与PyTorch实现
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原创 2021-02-10 22:00:52 · 798 阅读 · 11 评论 -
论文总结之FCIS:Fully Convolutional Instance-aware Semantic Segmentation(附基于代码的网络结构)
[论文地址]:FCIS:Fully Convolutional Instance-aware Semantic Segmentation出发点FCN在语义分割上取得了很好的效果,但是不适用于实例分割,因为卷积具有平移不变性,不能区分同一类型不同位置的不同个体。当时流行的实例分割的步骤:1)利用FCN生成一组共享的特征2)利用ROI Pooling得到一组固定的ROI特征图3)连接一个或多个全连接层用于拟合每个ROI内mask(gt在ROI内的特征图)最后一步引入了平移不变性具体来说有以下缺点原创 2021-01-22 19:47:35 · 561 阅读 · 0 评论