Object Detection-Backbone系列汇总

最新推荐文章于 2023-12-05 17:32:26 发布
最新推荐文章于 2023-12-05 17:32:26 发布
阅读量817 收藏 1
点赞数
文章标签： cv python 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_41456654/article/details/115560636
版权
本文介绍了目标检测中Backbone的重要性，详细讲解了MobileNet、ShuffleNet、ResNext、Res2Net、HRNet和HourGlass等模型的结构和特点，特别强调了Res2Net在精度提升上的显著效果，以及HRNet在保持高分辨率特征融合方面的创新。
摘要由CSDN通过智能技术生成

文章目录

前言

本篇主要为自己学习mmdetection框架和目标检测中Backbone的学习记录。(仅供自己学习使用)

提示：以下是本篇文章正文内容，下面案例可供参考

一、Backbone是什么

Backbone是目标检测中的主干部分，主要是为了提取图片的特征信息，Backbone部分对网络的检测效果改善明显。改模型的话也可以根据自己需要修改Backbone,如之前介绍的轻量级网络MobileNet系列，明显提升速度。

二、Backbone

1.MobileNet系列

2.ShuffleNet系列

3.ResNext

见之前博客。

4. Res2Net

在这里插入图片描述
Res2Net 以更细粒度（granular level）表示多尺度特征，并增加每个网络层的感受野（receptive fields）范围。

最低0.47元/天 解锁文章
新垣结衣真好看
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
极简笔记 DetNet: A Backbone network for Object Detection
Hibercraft的博客
04-24 3270
极简笔记 DetNet: A Backbone network for Object Detection 文章的核心提出了一种专用于detection任务的backbone network：DetNet。目前检测网络的主流方法是基于classification网络加FPN和RPN结构进行定位。大部分分类网络通过减小深层的spatial size 来加大像素的感受野，较小的resolution一定...
Reading Note: DetNet: A Backbone network for Object Detection
joshua_1988
05-01 2529
TITLE: DetNet: A Backbone network for Object Detection AUTHOR: Xuepeng Shi, Shiguang Shan, Meina Kan, Shuzhe Wu, Xilin Chen ASSOCIATION: Tsinghua University, Face++ FROM: arXiv:1804.06215 CONTRI...
DetNet: A Backbone network for Object Detection
女王の专属领地
05-30 2585
论文链接：https://arxiv.org/pdf/1804.06215.pdf 摘要：无论是当前 YOLO、SSD、RetinaNet 这样的一阶段方法，还是 Faster R-CNN、R-FCN 和 FPN 这样的二阶段检测器，这些基于 CNN 的目标检测器通常都尝试直接从 ImageNet 预训练模型进行微调。而很少有研究探讨用骨干特征提取器专门做目标检测。更重要的是，图像分类和目标检...
Kaiming He论文阅读笔记二——Plain Vision Transformer Backbones for Object Detection
蓝鲸鱼的博客
08-05 1061
而与典型的ConvNets不同，原始的ViT是一个普通的、非层次结构的架构，它在整个过程中维护一个单尺度的特征图。在分层骨干中，上采样通常借助于侧连接；在普通的ViT主干中，作者根据经验发现这是没有必要的，简单的反卷积就足够了。在作者设计的结构中，只使用来自backbone的最后一个特征映射，它应该具有最强的特性。具体来说，使用默认的规模为1/16(步幅=16)的ViT特征映射，我们使用步幅{2,1,1/2,1/4}的卷积产生了规模{1/32,1/16,1/8,1/4}的特征映射，其中步幅分数表示反卷积。.
2D_Detection-Backbone介绍
sunny0660的博客
08-21 242
layout: post title: 2D_Detection-Backbone date: 2021-08-15 15:52:51.000000000 +09:00 categories: [算法篇] tags: [CV, 综述] 欢迎访问个人博客 前言 VGG-Net Inception Inception V1 Inception V2 && V3 Inception V4 Inception ResNet V2 ResNet DetNet 前言 简单介绍下在2D-de.
EfficientDet: Scalable and Efficient Object Detection---论文阅读（1）
weixin_42623382的博客
04-16 934
Google最新的目标检测方法，目前应该是最快最好的深度学习目标检测器，优于YOLOv3、Mask R-cnn，能实现高帧率，低FLOPS运算。本文对该论文整体进行大致的整理。AbstractBiFPNEfficientDet实验结果对比实验 Ablation Study总结 论文链接：arXiv:1911.09070v4 官方源代码地址：https://github.com/google/aut...
【Real-Time Detection survey】实时目标检测网络综述论文 A Comprehensive Study of Real-Time Object Detection Network
wendell 的博客
11-30 1715
目标检测任务同时对目标实例进行分类和定位。通常可分为一阶段和两阶段网络。两阶段检测网络通常包括一个独立的Region Proposal Network (RPN)。通过RPN提取到感兴趣区域，然后分别输入到分类head进行分类，输入到回归head得到定位坐标。通常两阶段网络很少用于实时检查。ThunderNet通过轻量化的RPN结构实现了实时检测。一阶段检测网络不包含独立的Proposal 结构，而是考虑所有可能的目标点。一阶段检测网络通常可分为基于anchor的和基于关键点定位的网络架构。
【论文学习】Towards Accurate Oriented Object Detection in Aerial Images with Adaptive Multi-level Feature
pinfan12138的博客
09-15 1198
AFF-Det： 通过自适应多级特征融合实现航空图像中的精确定向目标检测
友好型的object detection代码实现和论文解读 汇总
gongyi_yf的博客
11-12 927
这里写自定义目录标题写在前面代码实现和论文解读FCOS代码实现和mmdetection的性能比较说明写在最后 如果你从事目标检测方向，和我一样是个菜鸟，并且： 你是一个强迫症晚期患者，追求简约不简单的代码风格，在使用类似mmdetection的框架时，为大量的冗余代码痛苦不已，但是有希望有一个性能靠谱的baseline。 你对自己的编程能力不放心，在使用mmdetection实现自己的idea时，总是担心出问题，或者修改起来力不从心。 你没有看懂某篇论文，排除一切bells and whistls，只想在
CNN backbone 总结笔记
Francis Liu
12-20 3990
算是一篇梳理backbone的总结笔记，前面部分不少内容都是照搬 reference 2 的，稍微总结了一下里面的内容，后面增加了其中遗漏的以及今年新出的网络（FPN，Hourglass，ResNeXt，DCN，DPN，SENet，MobileNet v3），用了很多网图，联系侵删； Reference: 1.https://arxiv.org/pdf/1908.03673.pdf，19年...
目标检测简介（Object Detection）
u013250861的博客
07-19 6895
目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。计算机视觉中关于图像识别有四大类任务：（1）分类-Classification：解决“是什么？”的问题，即给定一张图片或一段视频判断里面包含什么类别的目标。（2）定位-Location：解决“在哪里？”的问题，即定位出这个目标的的位置。
【目标检测】ObjectDetection结构组成理解
weixin_45709330的博客
02-25 3978
目标检测结构理解 文章目录目标检测结构理解1.目标检测的核心组成1.1 Backbone1.2 Neck1.3 Head1.4 总结2. 目标检测其他组成部分2.1 Bottleneck2.2 GAP2.3 Embedding2.4 Skip-connections2.5 正则化和BN方式2.6 损失函数2.7 激活函数3. 举例3.1 YOLOv4目标检测网络结构3.2 说明4. 其他概念4.1 Downstream Task4.2 Temperature Parameters4.3 Warm up4.4
深度学习中常用backbone总结
weixin_43080939的博客
07-04 357
深度学习常见的backbone结构、特点汇总
各种常用backbone，分类网络（CNN类和Transforme类）
weixin_43112053的博客
10-21 1677
各种backone，分类网络。CNN和transform对比
Backbone——数据驱动UI的js开发模式
a631278993的博客
05-07 181
转载请注明原文地址：https://www.cnblogs.com/ygj0930/p/10826074.html 一：Backbone是什么——JS的MVC框架 Backbone基于underscore，依赖jquery或zepto，它是一款web前端开发的javascript MVC框架，使我们可以像高级语言一样定义类、类属性及方法，更好的组织代码并按框架提供的数据逻辑分离...
PaddleClas-图像分类中的常用服务器端系列模型
Hello World
06-06 1211
简介 这里主要介绍PaddleClas中已经开源的常用系列模型，PaddleClas的github repo：https://github.com/PaddlePaddle/PaddleClas。 PaddleClas中包含了ResNet、HRNet、Inception、Res2Net等系列模型，这篇博客主要是介绍其主要系列模型。 AlexNet、VGG这些网络其实都属于十分经典的网络，但是由于这些网络最近用的已经越来越少了，因此在这里也没有进行展开。 ResNet系列 之前的深度神经网络，比如Ale
【Backbone】TransNeXt:最新ViT模型（原理+常用神经网络汇总）
qq_45752541的博客
12-05 5717
基于生物模仿视杆细胞视觉设计的Token混合器聚合注意力和一种具有门控通道注意力的通道混合器卷积GLU。作者将它们结合起来，提出一种强大的高度鲁棒的视觉模型TransNeXt，它在各种视觉任务如分类、检测和分割等方面都实现了最先进的性能。TransNeXt在多尺度推理的出色性能突显了它在解决深度衰减问题方面优于大型核策略的优势。此外，作者还提供了一个CUDA实现，在训练中实现了高达103.4%的加速，在推理中实现了60.5%的加速。
Unet演化系列大整理
热门推荐
Sakura_day的博客
06-12 1万+
Unet演化系列大整理： Unet是学习语义分割不可缺少的一个网络。它的对称美和简洁一直能够震撼人心。 主要摘要和前人工作： 作者发现，要进行分割任务需要很多的标注好的图片，然而标注图片是一个费时费力的过程。他提出了一个strong use of data augmentation方法能够更好的利用现有的数据。这个网络更主要是用在医疗图像分割方面。 作者说道了一个sliding-window模型。这个模型通过形成patch（其实就是通过不同大小的卷积核吧，当做滑动窗口）来对每一类像素进行预测。然而，这
cfnet a plug and play backbone for object detection
最新发布
12-07
CFNet是一个插拔式的目标检测的主干网络，它能够有效地处理目标检测任务。目标检测是计算机视觉领域中的一个重要任务，它涉及到从图像或视频中识别和定位不同物体的能力。 CFNet的设计理念是将主干网络设计成一个可...
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
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