【论文笔记】:Feature Selective Anchor-Free Module for Single-Shot Object Detection

本文提出FSAF模块,一种用于单镜头目标检测的特征选择无锚方法,解决了传统锚点检测的启发式特征选择和基于重叠的锚采样问题。FSAF在训练时动态分配实例到最佳特征层级,并在推理时与基于锚点的分支协同工作,提高检测精度。
摘要由CSDN通过智能技术生成

&Title:

&Summary

提出了一种简单有效的单镜头目标探测器的特征选择无锚(FSAF)模块。它可以插入具有特征金字塔结构的一阶段探测器。FSAF模块解决了传统基于锚点检测的两个局限性:

  1. 启发式引导特征选择
  2. overlap-based锚抽样

在训练过程中,我们动态地将每个实例分配到最合适的特性级别。在推理时,FSAF模块可以通过并行输出预测与基于锚的分支协同工作。我们用无锚分支的简单实现和在线特性选择策略实例化了这个概念。

FSAF的主要作用就是帮助我们的检测目标找到最适合他们的特征尺度。

&Research Objective

anchor-free + online feature selection

&Problem Statement

下图一个特征金字塔网络结构,高层次的特征图用来检测大目标,低层次的特征图用来检测小目标(上面的特征映射有更多的语义信息适合于检测大的实例,而较低的特征映射有更多的细节或细粒度的细节适合于检测小的实例)。目标大小和金字塔特征大小之间的联系是人工设置的。换句话说,anchor的匹配机制本质上是启发式引导的。这导致了一个主要缺陷,

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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