![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Detection笔记
betariver
无畏
展开
-
Detection简记2-DAFE-FD: Density Aware Feature Enrichment for Face Detection
创新点 1.使用密度估计模型增强检测中的特征图 总结 整个流程还是很清晰的。 conv1-3的特征图经过密度估计模块由检测器D1进行检测。 D2-4分别是四个检测器。 FFM是特征融合模块,将不同层不同大小的特征融合。 FFM网络结构如下: 首先使用1X1的卷积减少两组特征的厚度到128,然后使用双线性插值统一两组特征图的尺寸,然后相加。类似于cvpr2017的SSH。 多尺度检测器的网络结构如...原创 2019-01-18 14:24:32 · 548 阅读 · 0 评论 -
Detection简记1-Vehicles Detection Based on Background Modeling
创新点 背景建模 总结 车辆检测还是很重要的。 流程图: 预处理阶段:去除各种天气,相机等的变化:雨、雾,模糊等等 背景建模获得static reference background image (SRBI)方法是比较有意思的。首先引入block(块)的概念。块是矩形,是分割图片的小区域。块的ratio与图像相同。大小根据视频中第一帧第二帧的道路流量决定。道路流量由熵决定,计算公式如下。 ...原创 2019-01-15 16:53:46 · 161 阅读 · 0 评论 -
Detection简记3-Region Proposal by Guided Anchoring
创新点 1.新的anchor 分布策略:Guided Anchoring 2.feature adaption module,根据潜在的anchor精调特征 总结 Guided Anchoring:流程如图所示 特征图F1接两个分支:位置预测分支产生物体可能存在的位置的概率图,形状预测分支预测物体的形状,独立于位置。根据两个分支的输出,得到anchor。 位置预测分支: 1X1的卷积+sigmod...原创 2019-01-21 11:56:04 · 1176 阅读 · 0 评论