SSD系列算法原理讲解----（4）FSSD、RSSD算法（笔记）

已于 2022-02-17 11:00:06 修改
阅读量6.7k 收藏 14
点赞数
分类专栏： 深度学习 文章标签： SSD FSSD RSSD
于 2019-05-30 20:33:16 首次发布
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_43211132/article/details/90704619
版权
本文详细介绍了FSSD和RSSD两种改进SSD算法的方法。FSSD采用FPN思想重构特征金字塔，通过上采样层统一特征尺寸，提高精度且保持速度。RSSD则利用rainbow concatenation融合不同层特征，解决重复框和小目标检测问题。尽管速度稍慢，但准确度显著提升。文章还提及SSD在人脸检测、ADAS目标检测等多个领域的应用。
摘要由CSDN通过智能技术生成

FSSD设计原则
借鉴了FPN的思想，重构了一组pyramid feature map，使得算法的精度有了明显的提升，速度也没有太降

  • 把网络中某些feature调整为同一size再contact，得到一个像素层，以此层为base layer来生成pyramid feature map
  • Feature Fusion Module
    在这里插入图片描述
    在FSSD中主要包括了上采样层（黄色区域），就是讲feature map较小的层进行上采样来统一到同一尺寸，并通过contact对特征连接，最为后续SSD预测模块的输入。
    在这里插入图片描述
    RSSD设计原则：
  • rainbow concatenation方式（pooling加deconvolution）融合不同层的特征，在增加不同层之间feature map关系的同时也增加了不同层的feature map个数
  • 这种融合方式不仅解决了传统SSD算法存在的重复框问题，同时一定程度上解决了small object的检测问题
    在这里插入图片描述

作者并没有将VGG这样的主干网络换成ResNet，而是通过

最低0.47元/天 解锁文章
奔跑的小仙女
关注
专栏目录
目标检测YOLO实战应用案例100讲-基于改进的YOLOv4柑橘目标检测算法
qq_36130719的博客
06-21 1197
上世纪60年代，计算机视觉[1]（Computer Vision，CV）的概念被提出并定义为简单几何物体的形状识别和重建。随着科技的进步，计算机技术渗透到人们生活的方方面面。计算机视觉技术赋予计算机以人类智慧，计算机依靠“眼睛”观察世界、通过“大脑”处理信息和认识世界——摄像头获取外界的图像或视频，特征提取器获得位置信息和语义信息。人类的想象力只能到达三维空间，计算机却可以轻松处理一些高维的、抽象的信息，能够参与到诸如视频分析、图像识别等复杂任务中，人们的工作和生活被大大简化。
SSD算法的改进版之R-SSD
AI之路
08-12 2万+
论文：Enhancement of SSD by concatenating feature maps for object detection 论文链接：https://arxiv.org/abs/1705.09587算法详解： SSD算法在object detection领域的效果有目共睹，是proposal-free方面的代表算法之一，如果你对SSD算法不大熟悉，可以看看这篇博客：SSD（
sdf
baidu_25217303的专栏
01-10 313
xxx……此处是要插入的内容！
目标检测之---SSD算法详解
最新发布
qq_52191127的博客
08-12 1346
SSD模型在2016年由Wei Liu等人提出，并迅速成为对象检测领域的重要工具。随着深度学习技术的不断发展，SSD在许多应用中被广泛使用，如自动驾驶、视频监控、智能安防等。SSD（Single Shot MultiBox Detector）是一种用于对象检测的深度学习神经网络架构。它主要用于在图像中检测和识别多个对象，同时预测这些对象的类别和位置。SSD在速度和精度之间达到了很好的平衡，使其成为实时应用中非常流行的选择。
FSSD解读
Sundrops的专栏
12-28 1万+
本文是SSD的改进版，算是SSD+FPN思想的结合。
目标检测系列：SSD系列SSD、FSSD、DSSD、DSOD
qq_39382877的博客
07-31 5431
SSD DSSD FSSD DSOD SSD 动机 目前目标检测的一些算法包括基于深度学习的，都是先假定一些候选框，接着对候选框内容进行特征提取再分类，然后再对边框的位置进行修正这一系列的计算，最典型的例如Faster RCNN，虽然准确，但是计算太过于密集，即使是在高端的硬件上，检测的速度也非常慢，难以达到实时检测的要求。 而另一种基于回归的方法例如YOLO算法，虽然达到了实时的要求，...
【目标检测】FSSD论文理解
qq_36926037的博客
12-21 7156
摘要   SSD (Single Shot Multibox Detector)：   是目前最好的目标检测算法之一，它具有精度高、速度快的优点。然而SSD的特征金字塔检测方法难以融合不同尺度的特征。   FSSD：   本文提出特征融合SSD(Feature Fusion Single Shot multi - box Detector, FSSD)，这是一种改进的特征融合算法，采用了一种新型的、轻量级的特征融合模块，可以在速度稍有下降的情况下显著提高SSD的性能。特征融合模块，将不同层的不同尺度的特征拼
fssd-html
02-11
关于此仓库： ...参考文献： ... W3学校 请参阅我的课程资料和pdf文件以获取更多详细信息和说明。 注意：您可以使用以下两种方法之一在新选项卡中打开任何链接： 按住Windows中的CTRL键或Mac中的COMMAND键，然后单击它 ...
基于Grad-CAM与KL损失的SSD目标检测算法
m0_62870606的博客
01-21 695
基于Grad-CAM与KL损失的SSD目标检测算法 人工智能技术与咨询 来源：《电子学报》，作者侯庆山等 摘 要：鉴于Single Shot Multibox Detector (SSD)算法对中小目标检测时会出现漏检甚至错检的情况，提出一种改进的SSD目标检测算法，以提高中小目标检测的准确性.运用Gradient-weighted Class Activation Mapping (Grad-CAM)技术对检测过程中的细节作可视化处理，并以类激活图的形式呈现各检测层细节，分析各检测层的类激活..
FSSD: Feature Fusion Single Shot Multibox Detector 论文笔记
Dlyldxwl的博客
02-14 1万+
论文：FSSD: Feature Fusion Single Shot Multibox Detector caffe实现：链接 该篇论文出自北航，看起来比较容易懂，因此笔记会写的简单一点。Introduction言归正传，本文是以SSD为基底进行“改造”的一篇文章。SSD是从网络的不同层中抽取不同scale的feature直接做predict，所以没有充分融合不同scale的feature。后
从RCNN到SSD，这应该是最全的一份目标检测算法盘点.docx
10-13
目 标检测是很多计算机视觉任务的基础，不论我们需要实现图像与文字的交互还是需要识别精细类别，它都提供了可靠的信息。本文对目标检测进行了整体回顾，第一 部分从RCNN开始介绍基于候选区域的目标检测器，包括Fast R-CNN、Faster R-CNN 和 FPN等。第二部分则重点讨论了包括YOLO、SSD和RetinaNet等在内的单次检测器，它们都是目前最为优秀的方法。
SSD算法解析
m0_56192771的博客
04-15 1万+
目标检测算法主要分为两类： Two-stage方法：如R-CNN系列算法，主要思路就是通过Selective Search或者CNN网络产生一系列的稀疏矩阵的候选区域，然后对这些候选区域进行分类和回归，two-stage的方法优势在于准确率度高； One-stage方法：如YOLO系列方法，主要思路就是均匀地在图片上不同位置进行密集采样，采样时使用不同尺度和长宽比box，然后利用CNN提取特征后直接进行分类和回归，整个过程只需要一步，所以优势在于速度快。我们接下来介绍的SSD方法也是单阶段的算法。 SS
xSSD: DSSD，FSSD，ESSD，MDSSD，fireSSD
JerryZhang__的博客
03-31 4295
1 DSSD title :DSSD : Deconvolutional Single Shot Detector conf & anthor: arXiv, Cheng-Yang Fu arXiv:https://arxiv.org/abs/1701.06659 intro:Deconvolutional 2 FSSD title :FSSD: feature fusion sin...
你必须背下的几个经典算法
cmdssd1的专栏
09-03 1004
（一）外部排序算法 1.基础知识:二路归并排序 基本思想:使用递归将每一次分割的剩下的队列中数据的一半和另一半进行逐式比较，不断递归，直到使整个队列的数据在写回时是有序的。 (逐式比较: 将队列1和队列2的队首元素进行大小的比较，小的写入缓冲区数据队列的末尾，一次比较，直到两个队列元素全部写入为止) 2.对于空间复杂度的思考 二路归并排序的空间复杂度是待排数据队列的大小，即O(n
SSD算法详解default box
热门推荐
BigCowPeking
10-08 3万+
SSD算法详解default box
SSD系列算法原理讲解----（1）SSD系列算法介绍（主干网络、多尺度Feature Map预测）（笔记）
奔跑的小仙女
05-29 9893
SSD系列算法原理介绍 SSD算法介绍： Single Shot MultiBox Detector（One-stage方法） - Wei Liu在ECCV 2016提出 - 直接回归目标类别和位置 - 不同尺度的特征图上进行检测 - 端到端的训练 - 图像的分辨率比较低，也能保证检测的精度 SSD系列算法原理介绍 主干网络：VGGNet 多尺度Feature Map预测 Default b...
SSD系列算法扩展与优化
凌桑的自我修养--You are the Eternity
03-29 3336
#SSD算法缺陷 1）存在重复框的问题； 2）对小目标检测不够鲁棒（因为浅层feature map的表征能力不够强） 因此，针对以上问题，对传统SSD算法进行了扩展和优化；优化主要从两部分下手，一个是从主干网络，比如将传统的VGG16换成ResNet、DenseNet、MobileNet等；另一个则是从预测网络着手，寻找更好的特征表征方式来提高模型性能，比如通过反卷积引入上下文信息，丰富不同fea...
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