IPG-Net-小目标检测的图像金字塔引导网络 | CVPR 2020

最新推荐文章于 2023-11-10 11:15:14 发布
最新推荐文章于 2023-11-10 11:15:14 发布
阅读量1.1k 收藏 3
点赞数
分类专栏： 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_43311107/article/details/127034045
版权

IPG-Net: Image Pyramid Guidance Network for Small Object Detection

创新点

  • 提出IPG Transformation和IPG Fusion模块。IPG Transformation模块用于提取特征金字塔特征，IPG Fusion模块用于融合Backbone和IPG Transformation模块所输出的特征图。
  • 基于IPG Transformation和IPG Fusion模块构建IPG-Net网络，用于解决深层次信息和小目标特征丢失问题。

问题

  • Anchor错位。在一些Anchor-based算法中随着CNN网络深度增加，深浅层次所对应Anchor的位置会发生错位。
  • FPN错位。在FPN中会将深层次的特征融合到浅层次特征，但是由于Anchor错位问题会导致在融合过程中特征不能正确对应。
  • 小目标特征消失。随着CNN网络深度加深，一些小目标的细节信息会被丢失。

方法

IPG Transformation

在这里插入图片描述
IPG Transformation模块有两部分，一部分是7x7卷积和2x2Max pooling，另一部分是一个残差块。

IPG F
最低0.47元/天 解锁文章
小米5027
关注
专栏目录
IPG-Net: Image Pyramid Guidance Network for Object Detection论文笔记
qq_30146937的博客
04-22 1004
前言 FPN虽然通过top-down特征融合为浅层特征提供了充足的语义信息，但深层特征可能会缺少位置或空间信息，而空间信息的损失会导致特征不对齐，即anchor和卷积特征之间存在一些偏移，也就是说anchor在经历多次卷积之后，在深层特征上的位置可能和初始位置不一致。除此之外，在较深的卷积层中很容易丢失小目标。 由此，本文提出了一种新的网络结构，称为图像金字塔引导网络（Image Pyramid ...
目标检测——图像金字塔
HelloWorld的博客
04-22 1118
目录一、图像金字塔的作用及实现二、代码来实现图像金字塔三、图像金字塔结合滑动窗口3.1 代码实现四、实验总结   介绍图像金字塔。 使用图像金字塔结合滑动窗口的方法 标记出图像中不同尺寸的物体。   一、图像金字塔的作用及实现 简单来说就是用多个不同的尺寸来表示一张图片。 最左边的图片是原始图片 然后从左向右图片的尺寸依次缩小直到图片的尺寸达到一个阈值，这个阈值就是多次缩小图片的最小尺寸，不会有比这更小尺寸的图片了 像这种图片的尺寸逐步递增或递减的多张图层就是图像金字塔
目标检测：图像金字塔
m0_60341379的博客
10-11 233
当把目标检测当成分类的任务时，需要大大小小的框去扫描原图。如果我们不用大大小小的框去滑动，换一种思路，可以把原图放大或缩小，然后用一个固定大小的框去扫描。如图所示。 此时，也可以获得同样的效果。 这个原理就是图像金字塔。 ...
【论文笔记】：IPG-Net: Image Pyramid Guidance Network for Object Detection
Activewaste
01-10 2447
&Title: IPG-Net: Image Pyramid Guidance Network for Object Detection 目前只是公开在arxiv上 &Summary 在深度卷积网络中，随着卷积层变得更深而导致位置或空间信息的丢失，这种空间信息的丢失导致目标检测中的特征未对准。这里，特征未对齐意味着锚点和卷积特征之间存在一些偏移。除了对视空间信息外，较小的目标...
目标检测之金字塔
qq_42178122的博客
07-05 1298
图像金字塔 图像金字塔结构，即对图像进行一定比例的缩放，从而得到一系列不同尺寸的样本图像序列，在缩放过程中一般采用线性差值等方法，在缩放的同时可以加入滤波、模糊等处理，常见的形式有： 高斯金字塔(Gaussianpyramid): 用来向下采样，主要的图像金字塔。 拉普拉斯金字塔(Laplacianpyramid): 用来从金字塔低层图像重建上层未采样图像，在数字图像处理中也即是预测残差，可以对图像进行较大程度的还原，配合高斯金字塔一起使用。 图像金字塔的作用在于解决目标检测中的多尺度问题，在比较早的.
BC-PNP-IPG-Eligible-Programs-of-Study.pdf
07-26
此文件为BC省提名项目，即bcpnp的官方介绍文档。此文件表明，在BC省就读neu，sfu，ubc，nyit等cs硕士项目后毕业即可以获得省提名，进而有机会获得枫叶卡（PR身份）。
IP-GUARD附件加解密安全网关使用说明.pdf
04-02
IP-GUARD安全网关提供不同型号的设备，如IPG-1600S、IPG-2600S、IPG-3400S、IPG-3600S、IPG-4400S和IPG-4800S，它们具备不同的网络接口配置和管理端口。设备的管理端口有一个固定IP（***.***.***.***），用于初始...
目标检测：一文读懂 TTFNet (CVPR2020)
weixin_46142822的博客
04-06 2864
论文：Training-Time-Friendly Network for Real-Time Object Detection 论文链接：https://arxiv.org/pdf/1909.00700.pdf 代码链接： https://github.com/ZJULearning/ttfnet 1 为什么提出 TTFNet？ 本文旨在提高模型训练收敛速度，在CenterNet基础上做了进一步改进。 提高模型训练速度有2种潜在方式：(1) 增大学习率；(2) 减少使用数据增强，如果直接使用这两个方法一般
2020CVPR目标检测方向论文整理
Levi的博客
03-31 9431
CVPR 2020目标检测方向最新论文   CVPR 2020的录用结果已经出来好久了，这篇博客汇集了各方资料，下面应该是目前放出来的比较全的paper和code，我会大致介绍一下文章在做什么，方便大家更快地去选择性阅读。持续更新……   [1] EfficientDet: Scalable and Efficient Object Detection Motivation： ...
CVPR2020目标检测方向论文
一个菜鸟的奋斗
03-20 6483
CVPR 2020的paper list已经放出来了，链接如下： http://cvpr2020.thecvf.com/program/main-conference
小目标检测——特征金字塔网络（FPN）
bananalone的博客
05-09 3651
论文： Feature Pyramid Networks for Object Detection 特征金字塔网络（FPN）1. 介绍2. 网络结构2.1 自下而上的通道2.2 自上而下的通道2.3 横向连接3. 核心思想引用 1. 介绍 （a）图像金字塔对原图对原图进行上采样和下采样得到不同尺度的图像，然后分别对不同尺度的图像做卷积得到特征图（feature map），这样做明显很耗时。 （b）只用到了最高层的特征，越高层特征图语义信息越丰富，但是分辨率会降低，这样网络会不可避免的忽略小目标，比如R-C
CVPR2020目标检测共63篇
qq_41897154的博客
12-10 709
CVPR2020目标检测共63篇 3D目标检测 1.LiDAR-Based Online 3D Video Object Detection With Graph-Based Message Passing and Spatiotemporal TransformerAttention 2. Structure Aware Single-Stage 3D Object Detection From Point Cloud 3. DSGN: Deep Stereo Geomet...
多尺度多目标检测之金字塔
xiaomu_347的博客
12-22 5422
在日常学习工作中，经常会碰到一个概念，那就是金字塔（pyramid），本文就该概念进行一定的阐述，具体如下： （1）图像金字塔 图像金字塔结构，即对图像进行一定比例的缩放，从而得到一系列不同尺寸的样本图像序列，在缩放过程中一般采用线性差值等方法，在缩放的同时可以加入滤波、模糊等处理，常见的形式有： 高斯金字塔(Gaussianpyramid): 用来向下采样，主要的图像金字塔。 ...
改进小目标检测！SSPNet：微小目标检测的尺度选择金字塔网络
阿木寺的博客
07-13 3242
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达转载自：SmarterSSPNet: Scale Selection Pyramid Network for Tiny ...
小目标检测的注意特征金字塔网络
互相学习的小博客
11-03 1949
这是一篇小目标检测的文章，当然也是没有源代码的，自己只是为了学习它的创新点部分，看能不能给自己带来灵感。首先我们看看它的效果，如下图所示，感觉对小目标检测的效果还是非常不错的，证明作者提供的方法还是比较有效的。在本文中，我有一点比较佩服作者，那就是作者的用词实在是太棒了虽然方法不是特别难，但是作者硬生生地说的我有点看不懂。学习小目标检测的小伙伴都知道哈，小目标本身就是存在像素面积小，特征不明显，容易与背景发生混乱等等原因，从而导致小目标检测的效果不是很好。
目标定位和检测系列（4）： 金字塔池化 （SPP-net）
Meringue's Blog
05-28 1402
论文原文链接：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition 虽然这篇文章的标题说是将金字塔池化用在目标识别上的。但是文章最后将它进一步用在了目标检测任务上，很好地解决了R-CNN方法在目标检测上的部分问题，最终也取得了不错的效果。所以也很有必要好好学习一下这篇论文。 摘要 现有...
突破小目标检测瓶颈：Yolov8引入CVPR 2023 BiFormer，基于动态稀疏注意力构建高效金字塔网络架构
最新发布
一直在水些技术小文
11-10 1463
CVPR 2023中Yolov8引入BiFormer的创新性设计为小目标检测任务带来了重大突破。动态稀疏注意力和高效金字塔网络的结合使得BiFormer在目标检测领域成为了一颗耀眼的新星。通过本文的介绍和案例演示，我们希望读者能更深入地了解这一引人注目的技术，并期待它在未来的深度学习研究中发挥更大的作用。（注：本文中的示例代码仅为演示用途，实际应用中可能需要根据具体情况进行调整和优化。
目标检测中多尺度：特征金字塔FPN_Feature Pyramid Networks for Object Detection
huangyiping12345的博客
01-21 4586
原始内容来源于： https://blog.csdn.net/cdknight_happy/article/details/100528127 https://blog.csdn.net/WZZ18191171661/article/details/79494534 包含理解！ 参考文献：https://arxiv.org/abs/1612.03144 代码实现：http://www.yueye....
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