keras retinanet使用_聊聊RetinaNet

#清理之前的库存

Paper link:

ICCV 2017 Open Access Repository​openaccess.thecvf.com

Code link:（keras 实现）

https://github.com/fizyr/keras-retinanet​github.com

pytorch 实现版本：

https://github.com/yhenon/pytorch-retinanet​github.com

参考：

[项目实战］训练retinanet(pytorch版） - wuzeyuan - 博客园​www.cnblogs.com

RetinaNet的Backbone是由ResNet+FPN构成。输入图像经过Backbone的特征提取后，可以得到

特征图金字塔，其中下标

表示特征金字塔的层数（

特征图的分辨率比输入图像小

）

在得到特征金字塔后，对每层特征金字塔分别使用两个子网络（分类网络+检测框位置回归）。这两个子网络由RPN网络修改得到。

• 与RPN网络类似，也使用anchors来产生proposals。特征金字塔的每层对应一个anchor面积，为了产生更加密集的coverage，增加了三个面积比例
  （即使用当前anchor对应的面积分别乘以相应的比例，形成三个尺度），然后anchors的长宽比仍为
  ，因此特征金字塔的每一层对应A = 9种Anchors。
• 原始RPN网络的分类网络只是区分前景与背景两类，此处将其改为目标类别的个数K

参考：

江小鱼：目标检测算法 - RetinaNet​zhuanlan.zhihu.com

其他版本的也可以参考：

Papers With Code : Search for RetinaNet​paperswithcode.com

pytorch 实现

CSDN-专业IT技术社区-登录​blog.csdn.net

参考：

路一直都在：再谈RetinaNet​zhuanlan.zhihu.com

残差网络：

参考：

CVPR 2018 | 残差密集网络：利用所有分层特征的图像超分辨率网络​www.cvmart.net