【深度学习】【CVPR 2016】Weakly Supervised Deep Detection Networks

最新推荐文章于 2022-02-14 18:11:31 发布
最新推荐文章于 2022-02-14 18:11:31 发布
阅读量720 收藏 2
点赞数 2
分类专栏： 深度学习 文章标签： 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_36530992/article/details/104252118
版权
本文介绍了深度学习中的SPP模块及其在弱监督深度检测网络（WSDDN）中的应用。SPP解决了R-CNN中尺寸变化的问题，保证了全连接层前特征的一致性。WSDDN结合SPP和region proposals，通过Selective Search Windows (SSW)和Edge Boxes (EB)获取提案，并通过加一维的方式拼接多个提案。网络包含分类和检测两个分支，采用特定的损失函数进行训练。在测试阶段，根据阈值和NMS操作确定最终结果。实验部分讨论了评估指标如AP和CorLoc。
摘要由CSDN通过智能技术生成

【CVPR 2016】WSDDN

结构

先学习一下SPP(spatial pyramid pooling)，如下图所示，在R-CNN中，进入卷积层之前必须对图片进行crop或者warp以保证大小相同(因为有全连接层)，但是这样不仅会影响识别精度，而且检测的速度也很慢，因为原始图片经过crop或者warp后得到的图片会重复使用卷积网络计算feature maps，但是SPP只计算一次原始图像的feature maps，SPP主要的作用就是保证在进入全连接层前维度一致。
在这里插入图片描述
SPP论文（Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition（TPAMI2015））中还展现了经过卷积层后输出的特征图主要有两个信息：

  1. 对个别特征的响应强度
  2. 对应的空间位置

比如下图，filter#175对于四边形比较敏感，而filter#55对于圆形比较敏感。
在这里插入图片描述
SPP的模块如下图所示，这里的输入图像是经过SS后proposal regions
在这里插入图片描述SPP将feature maps分成 4 × 4 4\times4 4×4， 2 × 2 2\times2 2×2， 1 × 1 1\times1

最低0.47元/天 解锁文章
Hanawh
关注
  • 2
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Weakly  Supervised  Deep  Detection  Networks 论文笔记
qq_20481015的博客
03-06 944
Weakly Supervised Deep Detection Networks 详细解读 论文大致意思是通过图像级的标注信息训练网络达到目标检测的目的，文中采用的方法如下图所示： abstract ：提出一种弱监督的深度检测架构，通过修改网络，只利用图像级别的标注，同时执行区...
论文笔记：Weakly Supervised Deep Detection Networks
想变有趣的EMMA
02-28 5668
Weakly Supervised Deep Detection Networks 摘要：本文主要解决了大规模image-level的分类问题，可同时解决区域选择和分类问题。作为拖欠训练器来训练。引言 弱监督学习非常重要主要是由于以下两个原因，其一，图片理解的主要目的在于学习整体的复杂视觉环境（ImageNet比赛）；其二，CNN训练数据缺乏。因此，如果能够用上层信息来学习复杂的内容能够极大地
论文《Weakly Supervised Bilinear Attention Network for Fine-Grained Visual Classification》
有准备的人
04-04 1400
论文链接 来自知乎：https://zhuanlan.zhihu.com/p/57086099 这篇文章是微软亚洲研究院2018年的工作，其主要贡献是提出了弱监督局部注意力网络，其能够自动关注物体的大量判别部位。并且通过提出注意力中心损失和注意力dropout来监督注意力图的学习过程。 目前没开源… ...
[CVPR 2016] Weakly Supervised Deep Detection Networks论文笔记
A13120295的博客
04-02 505
Weakly Supervised Deep Detection Networks，Hakan Bilen，Andrea Vedaldi https://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Bilen_Weakly_Supervised_Deep_CVPR_2016_paper.pdf 亮点 ...
论文笔记 Weakly Supervised Deep Detection Networks - CVPR 2016
weixin_43791477的博客
02-14 978
论文笔记 Weakly Supervised Deep Detection Networks
CVPR2019| 中科院VIPL实验室11篇CVPR解读：弱监督学习、视频分割、目标检测
中科院AI算法工程师的博客
04-18 5968
点上方蓝字计算机视觉联盟获取更多干货 在右上方···设为星标★，与你不见不散 11篇论文的信息概要介绍如下： 1. VRSTC: Occlusion-Free Video Person Re-Identification (Ruibing Hou, Bingpeng Ma, Hong Chang, Xinqian Gu, Shiguang Shan, Xilin Chen) 针对视频...
ECCV 2020 论文大盘点-目标检测篇
我爱计算机视觉
09-23 4670
本文盘点ECCV 2020 与目标检测相关的研究，包含目标检测新范式、密集目标检测、点云目标检测、少样本目标检测、水下目标检测、域适应目标检测、弱监督目标检测、训练策略等，总计 41 篇...
CVPR 2018 目标检测（Object Detection）总览
阿木寺的博客
07-21 3485
http://www.tongtianta.site/group?group_id=1 https://blog.csdn.net/u014380165/article/details/80784147 《An Analysis of Scale Invariance in Object Detection - SNIP》 arXiv：https://arxiv.org/abs/1711.0...
WSDDN, 弱监督深度探测网络( CVPR 2016 ).zip
09-17
WSDDN, 弱监督深度探测网络( CVPR 2016 ) 弱监督深探测网络( )安装下载并安装 MatConvNet插件使用 MatConvNet vl_contrib 插件的软件包管理器安装这里模块： vl_contrib('install', 'WSDDN') ; vl
wsddn.pytorch:使用最新版本的PyTorch实施弱监督的深度检测网络
05-04
WSDDN PyTorch 使用最新版本的PyTorch实施Weakly Supervised Deep Detection Networks 。 Bilen, H., & Vedaldi, A. (2016). Weakly supervised deep detection networks. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (pp. 2846-2854). 实施差异 亚当优化器（而不是SGD） 未添加空间正则化器 实验 基于VGG16的模型最接近EB + Box Sc. L型案例，报告为30.4 mAP 基于AlexNet的模型最接近EB + Box Sc. 模型S的案例，报告为33.4 mAP 将VGG16用作基本模型时的结果 航空 自行车
（十二：2020.08.28）CVPR 2016 追踪之论文纲要（译）
Jojo论文基地
08-28 4667
CVPR 2016 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这643篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译以方便我第一次筛选，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录
笔记：论文笔记Weakly Supervised Deep Detection Networks
博主回家睡觉了。。。
03-01 579
弱监督深度目标检测网络（2016） 摘要 提出一种弱监督的深度检测结构，使其在图像级别上运行，同时进行区域选择和分类。 在PASCAL-VOC数据上隐式学习优于其他弱监督检测系统的目标检测器。 该模型是一个简单的端到端架构，在图像级分类方面也优于标准的数据增强和微调技术。 缺陷：单图同类单个 一.介绍 本文提出了一种新的端到端的弱监督目标检测方法，称之为弱监督深度检测网络（WSD...
论文笔记：Weakly Supervised Deep Detection Networks(WSDDN)
kinredon的博客
11-23 7379
论文：Weakly Supervised Deep Detection Networks(WSSDN) 地址：https://arxiv.org/abs/1511.02853 一、简介 这篇论文主要提出了一个弱监督深度检测网络来解决弱监督目标检测问题。弱监督目标检测就是数据只有 image-level 标注，即没有bounding boxes，只告诉这张image中包含哪些类。 作者提出了一...
Weakly Supervised Deep Detection Networks 学习笔记
qq_35408241的博客
10-24 2305
                                                    Weakly  Supervised  Deep  Detection  Networks 详细解读  论文大致意思是通过图像级的标注信息训练网络达到目标检测的目的，文中采用的方法如下图所示： abstract ：提出一种弱监督的深度检测架构，通过修改网络，只利用图像级别的标注，同时执行...
弱监督检测初识——Weakly Supervised Deep Detection Networks解读
Cai Yichao的博客
11-26 3391
文章目录1 WSDDN模型1.1 预训练CNN1.2 CNN特征描述1.2.1 区域推荐算法1.2.2 Spatial partial pooling1.2.3 推荐区域的特征描述1.3 分类和检测分支2 模型训练2.1 损失函数2.2 检测框规则化3 局限与未来方向4 Reference 弱监督检测是一个很有前景的研究方向——仅通过样本的类别标签就可以实现目标检测任务（乍一看有点类似之前的Classification and localization任务，但是要难很多）。目前，弱监督检测的精度还处于比较低
Weakly Supervised Deep Detection Networks 阅读笔记
shannanyinxiang的博客
09-12 8244
Weakly Supervised Deep Detection Networks 阅读笔记 Overall architecture   1. Existing network(such as AlexNet pre-trained on ImageNet） 2. SPP --> region level descriptor 3. (1) class score --> recogn
论文报告笔记（四） Towards Precise End-to-end Weakly Supervised Object Detection Network
lzr_ps的博客
12-20 3559
论文报告笔记（四） Towards Precise End-to-end Weakly Supervised Object Detection Network 回归视觉相关，这篇是iccv2019的关于弱监督目标检测的论文，第一次接触弱监督学习，所以会讲的比较详细。（错误之处请评论指正） 弱监督学习 我们知道，一般的模型分为有监督、无监督和强化学习，那么弱监督是什么呢？ 不同于有监督直接给出详细的...
CVPR2014深度学习在对象检测中的应用
"CVPR2014年深度学习论文主要关注的是计算机视觉领域的对象检测技术，通过深度学习的方法来实现。这篇论文研讨会由Pierre Sermanet在2014年的CVPR（计算机视觉与模式识别）会议上进行，探讨了深度学习在视觉识别中的...
评论 1
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