RetinaNet网络介绍

最新推荐文章于 2024-07-13 00:40:33 发布
最新推荐文章于 2024-07-13 00:40:33 发布
阅读量1.9k 收藏 2
点赞数 1
分类专栏： 目标检测 文章标签： 深度学习 神经网络 计算机视觉
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_38683460/article/details/131158221
版权

前言

  上一篇博文我们介绍了Focal Loss，原理也比较简单，有不了解的小伙伴可以先跳转到之前的博文了解一下。Focal Loss介绍。这篇博文我们来看下Focal Loss的出处：Focal Loss for Dense Object Detection，这篇论文提出了RetainNet之后one-stage网络的受此超越了two-stage的网络。

一. RetainNet网路

先来看下RetainNet的性能，可以看到远超Faster R-CNN网络。
在这里插入图片描述
我们再来看下RetainNet的网络结构：
在这里插入图片描述
可

了解本专栏 订阅专栏 解锁全文 超级会员免费看
I松风水月
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
一阶段目标检测网络-RetinaNet详解
专注计算机视觉算法训练，算法优化部署以及SDK开发的知识分享。
09-09 2448
Retinanet 是作者 Tsung-Yi Lin 和 Kaiming He（四作） 于 2018 年发表的论文 Focal Loss for Dense Object Detection。作者深入分析了极度不平衡的正负（前景背景）样本比例导致 one-stage 检测器精度低于 two-stage 检测器，基于上述分析，提出了一种简单但是非常实用的 Focal Loss 焦点损失函数，并且 Loss 设计思想可以推广到其他领域。
RetinaNet网络
sfwufo的博客
02-16 2098
来源：2022年02月阅读文献《基于改进RetinaNet的跑道边灯亮度检测》http://www.opticsjournal.net/Articles/OJ8fa2b1a080c41792/Abstract 参考：目标检测算法 - RetinaNet - 知乎 (zhihu.com) 实例分割算法 - Mask-RCNN - 知乎 (zhihu.com) 摘要：为了解决机场跑道边灯亮度检测任务中小目标检测精度低、检测速度慢的问题，提出了一种基于改进RetinaNet 的跑道边灯...
23_RetinaNet网络结构详解
最新发布
https://github.com/foxpup11?tab=repositories
07-13 934
https://www.bilibili.com/video/BV1Q54y1L7sM/?spm_id_from=333.999.0.0&vd_source=7dace3632125a1ef7fd32c285eb2fbac
RetinaNet
jicong44的博客
01-15 1896
结构描述： 输入：图片 输出：一组anchors对应的回归和分类预测值。 流程： ResNet有四个阶段：通道数分别为（64,128,256,512） RetinaNet选取后三个阶段，C3，C4，C5，然后利用这三组特征图通过上采样和下采样得到P3,P4,P5,P6,P7五个特征图，这五个特征图的通道数都为256,大小依次递减。 在每组P特征图上分别进行回归和分类的卷积，其中回归卷积后通道数为 ...
Retinanet网络详解
weixin_41981679的博客
03-29 2万+
Retinanet 网络结构详解以及源代码讲解 网络backbone使用ResNet【18， 34， 50， 101， 152】 FPN层 首先输入的照片的大小为672x640， 然后经过一个池化层， 使用ResNet网络提取特征，得到四个不同尺度的特征图，layer1, layer2, layer3,layer4.源代码中的尺度融合是从layer2层开始。然后再经过尺度融合得到f3, f4, f5, f6, f7五个不同尺度的特征层。 一、Focal Loss Retinanet网络的核心就是Foc
Retinanet网络结构简介
ww_1122的博客
08-20 1705
一、网络主干框架（resnet50, FPN, class子网络，reg子网络） 1.首先设置C1-C5层 C1 conv7x7,s=2,p=1 BN relu maxpool3x3,s=2,p=1 C2(3) Block[1-3]: conv1x1,BN,relu conv3x3,s=1,,p=1,BN,relu conv1x1,bn add,relu C3(4) Block[1]
RetinaNet原理与代码实例讲解
AI大模型应用之禅
07-03 843
RetinaNet 将 R-CNN 的区域提案过程整合进网络中，通过共享特征提取器和分类回归层来提高效率。它使用 FPN 提取多尺度特征，然后在每个特征映射上生成锚框，进行分类和回归预测。通过 Focal Loss，RetinaNet 更加关注难分类的样本，从而提升小物体的检测性能。RetinaNet 的核心在于其对 RPN 的改进以及对 Focal Loss 的引入。
Retinanet网络结构详解
@bangbang的博客
07-27 1837
论文2017年发表在,该论文提出来后one-stage网络首次超过two-stage网络。
pytorch-retinanet-master_RetinaNet_pytorch_pytorchcnn_python_源码
10-04
RetinaNet的核心在于其结合了两种网络结构：特征金字塔网络（Feature Pyramid Network, FPN）和焦点损失（Focal Loss）。FPN通过构建一个多尺度的特征图，使模型能够检测不同大小的目标。而Focal Loss则针对类别不...
基于megengine的retinanet的目标检测模型，主干网络ResNet50
10-17
RetinaNet是一种在2017年由Kaiming He等人提出的高效目标检测模型，它通过解决传统卷积神经网络（CNN）中的类别不平衡问题，显著提升了检测性能。本项目采用了MegEngine，一个开源的深度学习框架，来实现基于ResNet...
RetinaNet深入理解（损失函数详解）
12-28
RetinaNet深入理解（损失函数详解）,RetinaNet深入理解（损失函数详解）
深度学习之目标检测（五）-- RetinaNet网络结构详解
热门推荐
木卯_THU的博客
08-17 3万+
深度学习之目标检测（五）-- RetinaNet网络结构详解深度学习之目标检测（五）RetinaNet网络结构详解1. RetinaNet1.1 backbone 部分1.2 预测器部分1.3 正负样本匹配1.4 损失计算2. Focal Loss2.1 Cross Entropy Loss2.2 Balanced Cross Entropy2.3 Focal Loss 深度学习之目标检测（五）RetinaNet网络结构详解 本章学习 FPN 相关知识，学习视频源于 Bilibili，部分参考叙述源自 知乎
RetinaNet要点
qinguanggai9953的博客
07-02 527
对象：loss 网络：Resnet + FPN + 两个FCN子网络 核心问题：前景和背景的imbalance（主要针对one-stage不能解决的问题） class imbalance 降低容易区分的样本的loss，更关注于难以区分的样本。 密集目标检测 two-stage：稀疏的侯选框 one-stage：密集的候选框 前景和背景不平衡（cause）：通过改进标准的交叉商损失函...
【detectron】RetinaNet网络构建与损失
Mr_health的博客
12-06 1987
1.Retinanet网络结构 在detectron中，首先要构建FPN，构建的过程见博客detectron代码理解（二）：FPN模型构建,在FPN构建完毕后再进行Retinanet的构建，构建过程指的是上图中虚线的部分。 首先经过FPN的构建后，各个FPN层的名称如下，每一层的特征图数量为256。 BlobReference("gpu_0/fpn_7"), BlobReferen...
RetinaNet详解
weixin_38208912的博客
05-27 1万+
网络结构 这里默认3∗33*33∗3个anchor,图中标出以输入为672*640大小时,每层对应的尺度,以及每层对应anchor个数和每个特征层base anchor对应到原图的anchor大小. 边界框回归 在faster rcnn 中存在3个框，其中anchor, ground truth为已知固定的框, predict 为预测框 其中： Anchor:(Ax,Ay,Aw,Ah)Anchor :(A_x,A_y,A_w,A_h)Anchor:(Ax​,Ay​,Aw​,Ah​) Predict:(Px
CV+Deep Learning——网络架构Pytorch复现系列——Detection(二：RetinaNet)更换backbones(DarkNet)
对方正在输入中...
01-14 1310
上一话CV+Deep Learning——网络架构Pytorch复现系列——Detection(一：SSD:Single Shot MultiBox Detector 4.推理Detect)https://blog.csdn.net/XiaoyYidiaodiao/article/details/128683973?spm=1001.2014.3001.5501复现Object Detection，会复现的网络架构有：1.SSD: Single Shot MultiBox Detector(√)2.Reti
retinanet详细介绍
04-27
RetinaNet是一种用于目标检测的神经网络模型，它由Facebook AI Research团队于2017年提出。RetinaNet主要解决了目标检测中存在的两个问题：1）正负样本不平衡问题；2）检测结果中小目标检测效果不佳问题。 Retina...
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

打赏作者

I松风水月

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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