FPN网络详解——feature pyramid network

FPN: feature pyramid networksFPN网络有效的解决了物体检测中多尺度问题;底层特征图中的信息较少,但是目标位置准确,高层特征图信息丰富,但是位置比较粗略,FPN不同的地方在于在不同的特征层独立进行预测目前提取特征的网络结构:1.简单CNN,最后一层预测如:SSPNet(使网络可以输入任意大小的图形), Fast-RCNN,Faster-RCNN,...
摘要由CSDN通过智能技术生成

FPN: feature pyramid networks

FPN网络有效的解决了物体检测中多尺度问题;底层特征图中的信息较少,但是目标位置准确,高层特征图信息丰富,但是位置比较粗略,FPN不同的地方在于在不同的特征层独立进行预测

 

目前提取特征的网络结构:

1.简单CNN,最后一层预测

如:SSPNet(使网络可以输入任意大小的图形),  Fast-RCNN,Faster-RCNN,因此这几种网络检测不同尺度的目标的适应性就不太好

2.incode-decode形式的网络(top-down pyramid)

先卷积采样减小尺寸,再上采样增大特征图,效果很差,不建议使用

3.多尺度特征融合

  • 3
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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