DSSD:Deconvolutional Single Shot Detector-------论文理解

最新推荐文章于 2020-08-03 15:34:43 发布
最新推荐文章于 2020-08-03 15:34:43 发布
阅读量353 收藏
点赞数
分类专栏： 深度学习 计算机视觉
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/ruoruojiaojiao/article/details/89278786
版权
本文详细介绍了DSSD（Deconvolutional Single Shot Detector）论文，该模型通过替换SSD中的VGG-16为ResNet-101提升特征提取能力，并在检测网络后加入反卷积层以获取更丰富的上下文信息。作者避免了对称的编码解码结构以优化速度，实验表明反卷积层结合点对点相乘能提高检测精度。
摘要由CSDN通过智能技术生成

参考博客：https://blog.csdn.net/jesse_mx/article/details/55212179?utm_source=itdadao&utm_medium=referral

1. 概述

改论文中，作者总的有两个贡献：

一，将原始的SSD中用到的骨干网络vgg-16换为resnet-101，目的是为了使特征提取能力更强；

二，检测网络中，在原有SSD后添加的几个层之后加入额外的反卷积层，目的是使网络可以提取到更丰富的上下文信息。

2. 网络模型

在此，详细讲解反卷积模块 。

正常情况下，反卷积模型在编码和解码阶段应该包含对称的层。但论文中作者并没有用到对称性，而是将反卷积模块设置的相对较浅，原因有两个：一，检测是视觉的基本任务，可能需要为下游任务提

最低0.47元/天 解锁文章
ruoruojiaojiao
关注
专栏目录
【论文阅读笔记】DSSD : Deconvolutional Single Shot Detector
梁瑛平的博客
01-26 500
《DSSD : Deconvolutional Single Shot Detector》（一）论文地址：（二）解决的问题：（三）DSSD 的核心思想：（四）ResNet 的残差单元：（五） Prediction Module：（六）Deconvolutional Module：（七）Training：（八）实验结果： （一）论文地址： 《DSSD : Deconvolutional Single...
论文阅读-《DSSD : Deconvolutional Single Shot Detector》
yj_isee的博客
06-15 8939
arxiv 23/1/2017SSD作者Wei Liu的新作Motivation通过增加context的信息来提高目标检测的准确率是一个常见的方法，在SSD当中，作者没有利用到context的信息，因此，作者在DSSD里面尝试通过加入context来改善SSD的性能Framework 上图表示SSD的基本结构，采用的是VGG作为base network，后来有作者新加的SSD layer，然后在选
DSSD: Deconvolutional Single Shot Detector 论文笔记
热门推荐
Jesse_Mx的博客
02-15 2万+
论文地址：DSSD : Deconvolutional Single Shot Detector概述这篇论文应该算是SSD: Single Shot MultiBox Detector的第一个改进分支，作者是Cheng-Yang Fu， 我们熟知的Wei Liu大神在这里面是第二作者，说明是一个团队的成果，论文很新，暂未发布源代码。博主对该文章重要部分做了翻译理解工作，不一定完全对，欢迎讨论。在SS
READING NOTE: DSSD: Deconvolutional Single Shot Detector
joshua_1988
02-10 1866
TITLE: DSSD: Deconvolutional Single Shot Detector
DSSD : Deconvolutional Single Shot Detector
王小胖儿的博客
04-25 4718
《DSSD : Deconvolutional Single Shot Detector》[1]  2017年发表在CVPR上。     前身是《SSD: Single Shot MultiBox Detector》[2]  推荐博客：论文阅读：SSD: Single Shot MultiBox Detector     两者都是物体检测领域的文章，DSSD对小目标检测效果较SSD有所提升。
DSSD：Deconvolutional Single Shot Detector
风一样的男子（quinta）的博客
05-22 775
arxiv：https://arxiv.org/abs/1701.06659 github：https://github.com/chengyangfu/caffe/tree/dssd github：https://github.com/MTCloudVision/mxnet-dssd demo：http://120.52.72.53/www.cs.unc.edu/c3pr90ntc0td/...
DSSD : Deconvolutional Single Shot Detector论文阅读笔记
weixin_43422466的博客
08-03 574
文章目录DSSD : Deconvolutional Single Shot Detector论文阅读笔记2017Abstract1. Introduction2. Related Work3. Deconvolutional Single Shot Detection (DSSD) model3.1 Using Residual-101 in place of VGG3.2 Prediction module3.3 Deconvolutional SSD3.4 Deconvolution Modul
论文阅读笔记三十四：DSSD: Deconvolutiona lSingle Shot Detector（CVPR2017）
weixin_34100227的博客
12-20 347
论文源址：https://arxiv.org/abs/1701.06659 开源代码：https://github.com/MTCloudVision/mxnet-dssd 摘要 DSSD主要是向目标检测结构中增加语义信息。本文首先结合ResNet-101与SSD，然后，在此基础上添加反卷积层用于增大目标检测中的语义信息，从而提高目标物体尤其是小物体检测的准确率。本文...
[论文笔记]DSSD : Deconvolutional Single Shot Detector
恰同学少年的博客
12-25 1633
论文”DSSD : Deconvolutional Single Shot Detector”是对目标检测方法SSD (“SSD: Single Shot MultiBox Detector”)的改进版，都是同一作者团队发表的。 论文链接：https://arxiv.org/pdf/1701.06659 SSD的缺点： 虽然SSD利用了浅层的特征来检测小目标，（浅层 small recept
YOLOv1、YOLOv2、 YOLOv3、SSD DSSD 单阶段目标检测论文
10-11
YOLO是Joseph Redmon和Ali Farhadi等人于2015年提出的第一个基于单个神经网络的目标检测系统。Joseph Redmon和Ali Farhadi发表的YOLO 2进一步提高了检测的精度和速度。
DSSD(Deconvolutional Single Shot Detector)--目标检测
zk_ken的博客
01-15 836
论文地址：https://arxiv.org/abs/1701.06659 Github 源码（caffe版）：https://github.com/chengyangfu/caffe/tree/dssd 1、文章概述     DSSD(Deconvolutional Single Shot Detector)是SSD算法改进分支中最为著名的一个，SSD的其他改进还包括RSSD（https://...
DSSD : Deconvolutional Single Shot Detector 论文笔记
qq_30146937的博客
05-14 450
前言 SSD使用较浅的层来预测小目标，用较深的层来预测大目标，这样虽然能够实现多尺度目标检测，但由于浅层的特征图语义信息不够强，缺乏高层的语义特征，因此SSD对小目标的检测效果很差。这样来看的话，如果我们要提升检测精度，要么使用更好的特征网络 以提取判别性更强的特征，要么增加上下文信息，也就是将高层语义特征融入浅层特征图中，这对于检测小目标是很重要的。 本文最重要的贡献是，将上下文信息引入目标检测中。将SSD的基础网络从VGG换成ResNet-101，以更好地提取特征；同时利用反卷积层（deconvolut
DSSD：Deconvolutional Single Shot Detector 论文阅读笔记
philipwelia的博客
04-23 357
1.动机 2.贡献点 特点：DSSD将SSD的VGG网络用Resnet-101进行了替换，在分类回归之前引入了残差模块，在SSD添加的辅助卷积层后又添加了反卷积层形成“宽 - 窄 - 宽”的“沙漏”结构。DSSD相比SSD的一个最大的提升在于对小目标的检测度上DSSD有了很大的提升。 缺点：DSSD的检测速度相比SSD慢了很多，很大一部分原因在于引入的Resnet-101太深，同时也因为引入了额...
【目标检测】DSSD:Deconvolutional Single Shot Detector
zhw864680355的博客
12-12 433
论文：《DSSD:Deconvolutional Single Shot Detector》 论文地址：https://arxiv.org/abs/1701.06659 1、背景 SSD算法在检测小目标时精度并不高，本文是在在SSD的基础上做出一些改进，引入卷积层，能综合上下文信息，提高模型性能。 DSSD针对小目标鲁棒性太差，提出了以下两个贡献：1. 把SSD的基准网络从VGG换成了Re...
DSSD:Deconvolution Single Shot Detector
DeepIndeed
12-25 295
论文来源 作者: http://www.cs.unc.edu/~wliu/ 论文: https://arxiv.org/abs/1701.06659 效果展示: http://www.cs.unc.edu/~cyfu/dssd_lalaland.mp4 其中主要展示的是对大物体-- 人物的追踪比较多，其他物体比重不大。 Abstract 采用Residual-101代替VGG网络 引入...
DSSD（Deconvolutional Single Shot Detector）
BigData私房菜
02-20 736
本文作者将当前表现最好的分类器Residual-101和SSD进行了结合，并为SSD+Residual-101添加了额外的降卷积层以引入大尺度的context用于提高目标检测的精度，尤其是小目标。DSSD又叫做deconvolutional single shot detector。虽然这两种贡献容易在高层上表达，但是简单的配置是不会成功的。相反，作者展示谨慎的添加额外的学习转换阶段，具体是一个在...
深度学习【52】物体检测：DSSD : Deconvolutional Single Shot Detector
DCD_LIN的博客
07-23 1060
f
关于SSD算法的参考文献
最新发布
07-17
以下是关于SSD算法的一些参考文献： 1. Liu, Wei, et al. "SSD: Single shot multibox detector." European conference on computer vision. Springer, Cham, 2016. 2. Liu, Wei, et al. "SSD: Single Shot MultiBox Detector." arXiv preprint arXiv:1512.02325 (2015). 3. Fu, Cheng-Yang, et al. "DSSD: Deconvolutional single shot detector." arXiv preprint arXiv:1701.06659 (2017). 4. Huang, Jiaolong, et al. "Speed/accuracy trade-offs for modern convolutional object detectors." IEEE CVPR, 2017. 5. Cai, Zhaowei, and Nuno Vasconcelos. "Cascade R-CNN: Delving into high quality object detection." IEEE CVPR, 2018. 这些参考文献可以提供关于SSD算法的详细信息和技术细节。您可以通过搜索上述文献标题或作者名称，找到它们的具体内容和相关资源。 希望对您有所帮助！如果您有其他问题，请随时提问。
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