Blitznet网络理解笔记

Blitznet网络理解笔记

1 resnet的理解

https://blog.csdn.net/lanran2/article/details/79057994

2 DSSD的理解

https://www.cnblogs.com/xuanyuyt/p/7447111.html
https://blog.csdn.net/jesse_mx/article/details/55212179

3 Bliznet网络

https://blog.csdn.net/yaoqi_isee/article/details/77195029
https://blog.csdn.net/zhangjunhit/article/details/77577076

https://blog.csdn.net/shenxiaolu1984/article/details/51428392

4 Non-Maximum Suppression，NMS

https://www.cnblogs.com/makefile/p/nms.html

5 mAP理解

https://blog.csdn.net/zdh2010xyz/article/details/54293298

一、Introduction

BlitzNet: A Real-Time Deep Network for Scene Understanding
目标是做到实时的目标检测和语义分割，通过的简单的全卷积网络解决两个任务．在论文中作者表示两个任务的大部分权值是共享的．最终可以证明两个任务是一种相互促进的关系．

论文中作者给出的结果：

推理硬件：Titan X(Maxwell)

在Pascal Voc数据集上表现如下，300表示推理时的图片尺寸是300*300

model	FPS	mIoU	mAp
BlitzNet300	24	72.8	80.0

在COCOc数据集上表现如下，512表示推理时的图片尺寸是512512,作者在论文中贴处的结果并没有给出在COCO上的推理效率．但是给出了对512512的voc图片的推理效率FPS为19.5，且mAP为83.8(24),第一名的91.1%.