PANet论文阅读笔记


论文链接:Path Aggregation Network for Instance Segmentation
代码链接

创新点

1.通过自底向上的路径扩展,以精确的定位信号增强整个特征层次结构,从而缩短了低层与顶层特征之间的信息路径
2.提出了自适应特征池,它将特征网格(feature grid)和所有特征层连接起来,使每个特征层中的有用信息直接传播到下面的建议子网络(proposal subnetworks)。

对其他相似结构的结论

1.FPN
2.Resnet
通过干净的残差链接,缩短信息传递的路径,方便信息的传播

重要观点

1.在底层的信息对于大的目标识别很有用,但从底层结构到最上层特征的路径较长,难以获得准确的定位信息。此外,每个建议(ROI)都是基于从一个特性级别汇集的特性网格进行预测的,该特性级别是启发式分配的。但是其实其他层的被丢弃的信息可能对当前层很有帮助。
2.高层的神经元对整体目标有更强烈的响应,而其他的神经元对于局部细节和模式的相应会更强烈说明了在FPN中扩展自顶向下路径来传播语义强的特征和增强具有合理分类能力的所有特征的必要性,本文通过加了自下而上的路径进一步增强了整个特征提取架构的定位能力

  • 2
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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