[论文阅读]R-FCN: Object Detection via Region-based Fully Convolutional Networks

最新推荐文章于 2020-04-29 21:56:04 发布
最新推荐文章于 2020-04-29 21:56:04 发布
阅读量1.5w 收藏 18
点赞数
分类专栏： 论文阅读 文章标签： 深度学习 目标检测 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/u012361214/article/details/51507590
版权
R-FCN是MSRA提出的一种目标检测新方法，旨在通过去除最后的全连接层提升检测速度。该文总结了RCNN和Fast RCNN，并在Pascal VOC上取得了速度和性能的最佳平衡，使用了Residual Network。文章指出，通过位置敏感的特征映射，避免了 subnet 的重复计算，提高了效率。尽管在ResNet上的表现优于Faster RCNN，但缺乏与其他网络的比较，有待进一步验证。
摘要由CSDN通过智能技术生成

arxiv上的一篇新论文，出自MSRA，目前还没有发表，今天刚读完，文章的缺点还要想一想，有空更新。原文链接：点击打开链接


本文是基于region based framework的一种新的detection方法，主要目的是通过移除最后的fc层进行加速。同时通过本篇论文，很好的将RCNN，fast rcnn进行了一个general的总结。本文目前是Pascal voc上面速度和performance结合的最好的方法，并且用到了最新的residual network（好吧，也过去好久了其实）。唯一美中不足的是，没有其他网络，比如VGG16和GoogleNet的baseline，所以和不少其他的方法没有比较。

本文的motivation非常直接，首先，region base detection framework有一个问题，就是多多少少会有subnet的重复计算。回忆最早的RCNN，每一个proposal都会独立经历一次CNN网络抽取feature，那么这个时候，这个subnet就是整个网络，非常非常慢。后来的fast rcnn，先把整张image进行卷积计算，然后在最后一层通过ROI pooling把每一个proposal变成一个大小一致的map，对于每一个map，经过若干次fc层然后得到结果，在这个时候，这个subnet指的就是那若干层fc层。假如一幅图片的proposal有N个，所以这样经历subnet的计算也会有N次，subnet越深计算的效率越低。本文的想法就是不用这些sub

最低0.47元/天 解锁文章
沅晨
关注
专栏目录
论文笔记 | R-FCN: Object Detection via Region-based Fully Convolutional Networks
bea_tree的博客
07-04 1万+
Authors Jifeng Dai，Yi Li，Kaiming He，Jian Sun 代季峰 代码里还有百度云盘的连接，为国人考虑的真周到，只是自己的显卡不足~ Abstract 本文提供了region-based，fully convolutional networks，用于快速精确的目标检测。Fast或者Faster在per-region的时候都需要subnetwor
R-FCN: Object Detection via Region-based Fully Convolutional Networks
Lorenzo's Oil
02-11 243
一、论文内容 1.1 摘要 先前的基于区域的检测器(如Fast/Faster R-CNN)需要对每个区域单独应用全连接子网络，计算代价太高 本文所提出的基于区域的检测器应用了全卷积，几乎在整张图上共享计算 为解决图像分类中的平移不变性与目标检测中的平移变化之间的困境，本文提出了提出了位置敏感分数图 本文提出的模型在PASCAL VOC数据集上展示了具有竞争力的结果，比Faster R-CNN对应...
R-FCN Object Detection via Region-based Fully Convolutional Networks
03-13
R-FCN论文文章
READING NOTE: R-FCN: Object Detection via Region-based Fully Convolutional Networks
joshua_1988
05-23 2898
TITLE: R-FCN: Object Detection via Region-based Fully Convolutional Networks
R-FCN:Object Detection via Region-based Fully Convolutional Networks
cdknight_happy的专栏
09-03 349
文章地址：https://arxiv.org/pdf/1605.06409.pdf 0 摘要 我们提出基于区域的、全卷积网络，实现准确高效的目标检测。与先前基于区域的检测器（例如Fast/Faster R-CNN [6,18])相比，我们基于区域的检测器完全卷积，几乎所有计算都在整个图像上共享。为了实现这一目标，我们提出了位置敏感的得分图，以解决图像分类中的平移不变性和目标检测中的平移变化之间的两...
论文笔记 R-FCN: Object Detection via Region-based Fully Convolutional Networks
人生而孤独，却不甘寂寞。
12-15 2095
目标检测领域，从rbg大神提出之后，到目前逐渐分化出2大阵营，一种是以Proposal+classification为主的multi-stage的方法，另一种是以YOLO为代表的End2End的模型，前一种模型特点就是精度高，后一种的特点是速度快，但是后面肯定end2end也会达到multi-stage的精度。
V-Net：Fully Convolutional Neural Networks
05-22
V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation
论文：R-FCN: Object Detection via Region-based Fully Convolutional Networks 阅读笔记
Stay hungry, Stay foolish
06-16 364
一、简介 1、R-FCN可以看做是Faster RCNN的改进版，速度上提高了差不多3倍左右，mAP也有一点提升，主要的目的是进行了加速 2、当然这个算法还是属于候选窗+深度学习分类和回归系列的，也就是会包含rpn网络给出候选框建议。 3、 下面的这个表是共享参数的层数 这篇讲解的很棒 二、原理 1、 这篇论文是NIPS 2016的一篇论文，主要贡献在于解决了“分类网络的...
目标检测论文阅读：R-FCN: Object Detection via Region-based Fully Convolutional Networks
思矣远矣
05-09 690
R-FCN: Object Detection via Region-based Fully Convolutional Networks 1. 问题介绍 2. 实现 R-FCN: Object Detection via Region-based Fully Convolutional Networks 论文链接：https://arxiv.org/abs/1605.06...
R-FCN: Object Detection via Region-based Fully Convolutional Networks (NIPS 16), Arxiv 16.05
_menglan_Zi
08-31 5067
R-FCN: Object Detection via Region-based Fully Convolutional Networks, Arxiv 16.05 ===== blogs： 论文阅读]R-FCN: Object Detection via Region-based Fully Convolutional Networks： http://blog
《R-FCN: Object Detection via Region-based Fully Convolutional Networks》论文详解
Michael’s Blog
04-29 476
《R-FCN: Object Detection via Region-based Fully Convolutional Networks》 作者公布的代码地址（caffe版）：https://github.com/daijifeng001/r-fcn 这篇文章主要目的还是想再在fasterrcnn的基础上，加快物体检测的速度，但是网络加速时需要注意，物体检测其实是有两个目标的，一个是检测一个是...
目标检测--R-FCN: Object Detection via Region-based Fully Convolutional Networks
AI小作坊 的博客
03-30 2132
R-FCN: Object Detection via Region-based Fully Convolutional Networks Code: https://github.com/daijifeng001/r-fcn https://www.arxiv.org/abs/1605.06409本文针对目标检测问题，对候选区域进行分块处理，以此来解决分类和检测之间的一个矛盾：分类网络具有一定
R-FCN：基于区域的全卷积网络目标检测
"R-FCN (Region-based Fully Convolutional Networks) 是一种用于精确高效目标检测的技术，由微软研究院的研究人员提出。该方法通过在全卷积网络中引入位置敏感得分图，解决了图像分类中的平移不变性和目标检测中的...
评论 8
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