CBNet: A Novel Composite Backbone Network Architecture for Object Detection

最新推荐文章于 2024-03-11 19:17:26 发布
最新推荐文章于 2024-03-11 19:17:26 发布
阅读量356 收藏
点赞数
分类专栏： 2019论文精度
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_42738654/article/details/103851683
版权

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
表1显示了不同的backbone对精度的影响。使用Cascade Mask RCNN结构，使用不同的backbone在COCO数据集上的表现，可见不同的backbone对网络最终的结果是有比较大的影响的。
————————————————————————————————————————
CBNet结构简介在这里插入图片描述
在这里插入图片描述在这里插入图片描述在这里插入图片描述
SLC（Same Level Composition）在这里插入图片描述在这里插入图片描述
ALLC（Adjacent Lower-Level Composition）在这里插入图片描述
DHLC（Dense Higher-Level Composition）在这里插入图片描述
————————————————————————————————————————
实验在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述

bo.qiu_xbw
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
CBNetV2：北大提出的复合主干网络，COCO成绩60.1%
jacke121的专栏
10-02 2613
CBNetV2: A Composite Backbone Network Architecture for Object Detection 代码：VDIGPKU/CBNetV2 (github.com) 论文地址：2107.00420.pdf (arxiv.org) 摘要 现代性能最好的物体检测器在很大程度上依赖于骨干网络，其进步通过探索更有效的网络结构带来了一致的性能提升。在本文中，我们提出了一种新颖且灵活的主干框架，即 CBNetV2，以在预训练微调范式下使用现有的开源预训练主干构建高性能检
极简笔记 DetNet: A Backbone network for Object Detection
Hibercraft的博客
04-24 3267
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...
CBNet: A Novel Composite Backbone Network Architecture for Object Detection 论文笔记
qq_30146937的博客
04-22 668
前言 目前大多数目标检测器的backbone通常是被设计用来进行图像分类的，在ImageNet上经过预训练之后，再经过微调以进行检测。那么问题就来了，直接采用这种backbone提取图像特征以进行目标检测真的能达到最优性能吗？但是如果设计一种新的backbone并在ImageNet上对其进行预训练，要达到优秀的检测性能所付出的代价又会是非常大的。因此本文提出了一种巧妙的思想，组合现有的backbo...
**CBNet: A Novel Composite Backbone Network Architecture for Object Detection（2019）综述
qq_42575422的博客
11-10 807
摘要：我们提出CBNet(composite backbone network)，即这个网络有多个主干网络，前一个主干网络的输出特征会作为下一个主干网络的输入的一部分，以最后一个主干网络的输出作为最后的输出。提升mAP从1.5到3。以Cascade Mask R-CNN为原型，在coco实现mAP53.3，sota。 1引言 如果主干网络能够提取到更有表现力的特征，毫无疑问，后面的host检测器会...
【CBNet：A Novel Composite Backbone Network Architecture for Object Detection】--- 骨干合成算法阅读笔记
weixin_43489950的博客
10-03 277
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。 ...
【目标检测】CBNet: A Novel Composite Backbone Network Architecture for Object Detection论文理解
qq_36926037的博客
04-18 950
文章目录摘要1 介绍2 相关工作3 提出的方法3.1 CBNet架构3.2 其他可能的复合样式3.3 基于CBNet的检测网络体系结构4 实验4.1 实现细节4.2 检测结果4.3 与不同组合风格的比较4.4 共享CBNet的权重4.5 CBNet骨干数量4.6 CBNet的加速版本4.7 基于CBNet的基础特征增强的有效性5 结论 摘要   基于CNN的检测器：   现有的基于CNN的检测器中，骨干网是基本特征提取的一个非常重要的组成部分，检测器的性能很大程度上依赖于骨干网。   本文：   目标是通过
[论文阅读]CBNet|A Novel Composite Backbone Network Architecture for Object Detection
一碗白开水一
08-13 412
题目： A Novel Composite Backbone Network Architecture for Object Detection 作者： Yudong Liu,1 Yongtao Wang,1 Siwei Wang,1 TingTing Liang,1Qijie Zhao,1 Zhi Tang,1 Haibin Ling 2 Motivation: 作者觉得目标检测网络的backbone非常重要，于是要优化一个牛逼的backbone出来，于是乎CBNet问世。 Method: 就是把多个ba
CBNetV2: A Composite Backbone Network Architecture for Object Detection论文阅读
Q1u1NG的博客
07-08 2447
CBNetV2: A Composite Backbone Network Architecture for Object Detection论文阅读介绍方法CBNetV2融合方式对Assistant的监督实验与SOTA的比较在主流backbone架构上的通用性与更宽更深的网络比较与可变形卷积的兼容在主流检测器上的模型适用性在Swin Transformer上的模型适用性消融实验 paper：https://arxiv.org/pdf/2107.00420v2.pdf code：https://github
cbnet:使用前馈神经网络进行单变量时间序列建模-matlab开发
05-29
**cbnet：基于MATLAB的前馈神经网络时间序列建模** 在数据分析和预测领域，时间序列模型是一种常用的方法，特别是在处理序列数据如金融、气象、电力消耗等领域的预测问题时。`cbnet`是专为MATLAB环境设计的一个工具...
论文笔记-DetNet: A Backbone network for Object Detection
Liven_Zhu的博客
07-24 890
1. 介绍 目标检测是计算机视觉领域最基础的问题。目前的目标检测网络主要分为一级网络，YOLO’，SSD，RetinaNet等；二级网络，Fast R-CNN，Faster R-CNN，Mask R-CNN，R-FCN等。但是这些网络使用的骨架网络都是在ImageNet分类任务上预训练的网络，因此作者想提出一种基于目标检测任务预训练的骨架网络，名为DetNet。 2. DetNet ...
CBNet（AAAI 2020）论文解析
最新发布
00000cj的博客
03-11 1018
本文提出了一种新的方法，通过聚合多个相同的backbone来构建一个更强大的针对目标检测的骨干网络，称为复合骨干网络（Composite Backbone Network, CBNet），显著提高了各种检测模型的性能。
黄金时代 —— 深度学习 (BackBone)
LJ的博客
10-17 1993
网络结构 目标检测
DetNet: A Backbone network for Object Detection的重点和理解
ccc94814的博客
08-29 1234
讨论分类模型和检测模型各自特点，设计了一个适合检测任务的新的骨干网络。 一、摘要 很多检测模型都是在分类模型的基础上演变的，基本都是在ImageNet预训练模型上进行finetune的。图像分类任务和目标检测任务之间有着如下的差别：（1）最新的检测模型如FPN和RetinaNet通常会涉及与图像分类任务以外的阶段，来处理多尺度的物体；（2）物体检测不仅需要知道物体的类别还需要获取对应的...
CBNet：物体检测的一种新的组合主干网络结构
AI公园
10-29 1417
点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：Tony Shin编译：ronghuaiyang导读给大家介绍一种新的网络架构，用来做物体检测的，SOTA...
RandAugment: Practical automated data augmentation with a reduced search space
qq_42738654的博客
01-03 4665
论文名称：RandAugment: Practical automated data augmentation with a reduced search space (实用的减少搜索空间的数据增强手段) 论文目的： 1.本文提出了一种数据增强手段，减少了以往autoaugment需要大量的搜索空间。 2.以往autoaugment需要根据数据集大小，模型种类来调整正则化强度，现在用本文的方法可...
Vote3Deep: Fast Object Detection in 3D Point Clouds Using Efficient Convolutional Neural Networks
qq_42738654的博客
01-03 1868
下图Vote3Deep在KITTI上不可见点云的检测效果。 本文方法：在原生的3D特征（native 3D representation）上执行一个稀疏卷积，接着是一个ReLU非线性，它返回一个新的稀疏3D特征。这个过程可以像传统CNN一样重复和叠加，输出层预测检测分数。用NMS对重复检测进行剪枝（3D中的NMS能够更好地处理彼此背后的对象，因为3D包围框的重叠小于它们的2D投影）。 本文为每...
SOLO:Segmenting Objects by Locations
qq_42738654的博客
01-03 1719
SOLO SOLO的中心思想是把instance segmentation的问题分解为两个相似的分类问题，分别是category-aware预测和instance-aware mask的生成。 把输入图片分成SxS个格子，如果一个物体的中心落入到了一个格子中，那么这个格子就负责两件事情， 1）预测semantic category 2）生成instance mask。 —————————————...
Once for All: Train One Network and Specialize it for Efficient Deployment
qq_42738654的博客
01-06 1545
训练一个OFA网络，（深度、宽度、核大小和分辨率各异）。根据部署场景，无需训练，直接从该 OFA 网络中选择一个专用子网络。 OFA 网络之后再使用模型选择，可以实现很多准确度-延迟权衡，而整个过程仅需训练一次。 ——————————————————————————————— 所有子网络权重都是从OFA中获取的，只需训练一次，训练时间为200h。 ——————————————————————...
Soft Anchor-Point Object Detection
qq_42738654的博客
01-03 1479
摘要： 本文提出了一个速度和精度权衡的detector。主要研究两个问题？ how to make the anchor-free detection head better? how to utilize the power of feature pyramid better? 分别提出两种训练策略：soften optimization techniques， 1）soft-weighted ...
ACNet: Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric Convolution Blocks
qq_42738654的博客
01-03 1295
论文目的： 1.本文寻找了非对称的CNN block去代替原来的标准卷积。用三个并行的kernel，dxd，1xd，dx1，output 相加。 贡献 1、提出了非对称卷积增强标准卷积提取特征能力，不需要时间花费。 2、提出AC block，不需要增加超参，替换原卷积block方便。 上图三个卷积+fuse==下图经过 （三个kernel相加以后的kernel） 三个branch并行训练的结果...
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