Anchor-free目标检测系列8：RepPoints：Point Set Representation for Object Detection（可变形卷积提取Offset关键点）

最新推荐文章于 2023-03-03 00:34:39 发布
最新推荐文章于 2023-03-03 00:34:39 发布
阅读量1.9k 收藏 4
点赞数 2
分类专栏： 学习笔记 目标检测
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/weixin_40546602/article/details/99302143
版权

RepPoints：Point Set Representation for Object Detection

                            （2019.4.25）

   论文由清北和微软联合提出，RepPoints将可变形卷积进行灵活使用，定位目标的一些值得注意的点（representative point）。通过目标的这些点进行bbox编码，得到目标预测框。RepPoints示意图如下图31所示。

                                            

                                                  图31 RepPoints架构示意图

    与前面几篇基于中心点、左上右下角点等的工作不同，RepPoints取点的方式很灵活，利用DCN提取到了目标本身的多个关键点，文中选取了9个可以自适应“跳动”的采样点，最终定位一个目标。RepPoints更适合看做deformable conv的改进。 Deform conv可以理解成content和loca

最低0.47元/天 解锁文章
Sesen_s
关注
  • 2
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
【论文笔记】：RepPoints: Point Set Representation for Object Detection
Activewaste
10-24 7420
&Title: RepPoints: Point Set Representation for Object Detection 代码地址 &Summary 提出了一种新的表示形式，称为RepPoints，它提供了更细粒度的定位并有助于分类。 如图所示，RepPoints是一组点，这些点学会以一种限定对象空间范围并指示语义上重要的局部区域的方式自适应地将自己定位在目标上。 Re...
论文阅读：RepPoints: Point Set Representation for Object Detection
j879159541的博客
10-15 1636
文章目录1、论文总述 2、Bounding boxes for the object detection流行的2个原因和它的缺点 3、为什么 the deformable convolution and deformable RoI pooling不能学到更精确的几何定位特征 4、Converting RepPoints to bounding box时的三种方式 5、关键点是自动学得的 6、 C...
RepPoints: Point Set Representation for Object Detection解读
Burtan的专栏
06-13 1587
摘要 现代的检测器很依赖矩形框bbox，比如anchors,proposals和final predictions，呈现在不同的识别阶段里。bbox虽然很方便，但它只能提供粗糙的目标定位和特征提取。 注：final predictions如何理解呢，在引言里说了from anchors and proposals to final predictions，就很明白了，它的意思是最终的输出结果。 为什么bbox只是提供粗糙的目标定位和特征提取呢？文章的后面简单的说明了，bbox只是提取了4个边界点，并
目标检测|新的目标表示方法RepPoints
yanghao201607030101的博客
01-12 995
这是2019ICCV上的一篇关于目标检测表示方法的论文，提出了一种更加精准高效的表示方法RepPoints。
目标检测论文阅读：RepPoints算法笔记
qq_43631268的博客
03-03 373
现代目标检测器在各个识别阶段严重依赖于矩形边界框来表示目标，如锚框、建议和最终预测。边界框使用方便，但是只提供了目标的粗糙定位，导致目标特征相应地粗糙提取。在本文中，我们提出RepPoints，一种新的更精细的目标表示，它是一组对定位和识别都有益的采样点。给定用于训练的真值位置和识别目标，RepPoints学习以一种限制目标的空间范围并指示语义显著的局部区域的方式来自动地排列自己。而且它们不需要使用anchor来采样边界框空间。
Dictionary-learning-Sparse-representation-for-defect-detection:稀疏编码的缺陷检测＆http
05-10
字典学习缺陷检测的稀疏表示
Representation-Learning-for-Information-Extraction:Google Research的Pytorch实施Paper-表示学习，用于从类似表格的文档中提取信息
05-09
模型架构入门克隆存储库git clone https://github.com/Praneet9/Representation-Learning-for-Information-Extraction.git创建一个virtualenv并安装所需的软件包pip install -r requirements.txt准备数据集步骤1：...
awesome-visual-representation-learning-with-transformers:计算机视觉中的超赞变形金刚（自我关注）
04-12
计算机视觉中的超赞变形金刚（自我关注） 关于变压器 注意就是您所需要的，NeurIPS 2017 Ashish Vaswani，Noam Shazeer，Niki Parmar，Jakob Uszkoreit，Llion Jones，Aidan N.Gomez，Lukasz Kaiser，Illia ...
Object Detection in 20 Years A Survey目标检测综述论文组会汇报
最新发布
11-16
Object Detection in 20 Years: A Survey综述：目标检测二十年 在过去的二十年中，目标检测技术经历了从traditional detector到DL-based detector的演进。该综述论文对目标检测领域的发展历程进行了全面的回顾，从...
awesome-point-cloud-analysis：关于点云分析（处理）的论文和数据集的列表
02-28
真点云分析 对于任何想研究3D点云的人。 如果您发现很棒的论文/代码/数据集或有一些建议，请联系 。 感谢您对研究界的宝贵贡献 :grinning_face_with_big_eyes: ... [ ]图上卷积神经网络中的动态边缘条件滤波器。
【论文阅读】【二维目标检测】RepPoints: Point Set Representation for Object Detection
麒麒哈尔的博客
11-01 1547
为什么不单独测试两组reppoints， 与上一篇的对比，说是在abalation study一样的那个 init center——》box，与yolo什么关系 init box——》reppoints是怎么操作的 Appendix中的reppoint没解释清楚啊。 ...
（二十二）论文阅读 | 目标检测之RepPoints
Skies_的博客
06-06 1036
ICCV2019 | 目标检测之RepPoints
[阅读笔记] RepPoints: Point Set Representation for Object Detection
qq_27489699的博客
11-27 204
Baseline detector based on bounding box representations: 把上面两个预测offset的部分改成普通的预测location（其实就是换个输出）。DCN换成RoIAlignmethod using 3 × 3 grid points。 对the first set of RepPoints的监督的消融实验。loc的监督作用巨大，loc和reg一起结果更好（我觉得严格地说其实这里面是一个调下比例看看的）。 我认为这里的对比不完全公...
可变形卷积（Deformable Convolution）
NorthSmile的博客
09-12 6009
之前分了两次将深度学习中常用的各种卷积操作进行了汇总介绍，具体包括标准2D卷积、1×1卷积、转置卷积、膨胀卷积、深度卷积以及可分离卷积和分组卷积，之前在读文献时碰巧见过还有一个可变形卷积，这种卷积方式可以更好的根据目标本身的形状进行特征提取。这篇文章主要目的是为了学习理解可变形卷积，以便后面实验使用。我在这里首先把原文摘要中的部分信息进行提取展示，以对可变形卷积有一个初步的认识，并了解作者为什么提出可变形卷积。
RepPoints 论文笔记
qq_30146937的博客
02-27 1311
前言 一直以来，在目标检测中，边界框是处理的基本元素：在图像中先定位目标的边界框，再从边界框中提取特征，最后基于边界框里提取的特征进行目标的识别和推理。 但是，基于边界框的目标表示也有一些缺点，它们只提供一个粗略的目标定位，并不完全拟合目标的形状和姿态。此外，从边界框的规则网格中提取的特征可能会受到背景或包含少量语义信息的前景区域的严重影响。这些都会使提取的特征质量变低，从而降低了目标检测的分类性...
MASA DCN(可变形卷积) 算法笔记
I good vegetable a!
05-18 1925
1. 前言 Deformable Convlolutional Networks是ICCV 2017一篇用在检测任务上的论文，它的出发点是在图像任务中目标的尺寸，形状变化不一，虽然目前（指代论文发表以前）的CNN对这些变化有一定的鲁棒性，但并不太够。因此论文以此为切入点，通过在卷积层中插入offset（可变形卷积）和在ROI Pooling层中插入offset（可变形ROI Pooling）来增强网络的特征提取能力。这个offset的作用是使网络在提取特征时更多的把注意力聚焦到和训练目标有关的位置上，可以更
Reppoints代码解析
qq_42032739的博客
08-12 1954
最近看了RePpoints的论文，然后想看看官方代码，以更好的理解论文，但是发现网上竟然没有一篇关于相关代码的解析，有点好奇为什么。官方代码是在mmdetecion框架上实现的，顺便也可以学习一下。因为自己也是小白，只做了其中部分注释(也只能看懂这些了)，所以有大佬愿意分享自己见解的话，我举双手欢迎。下面就是 官方代码中head部分的代码： from __future__ import division import numpy as np import torch import torch.nn as
RepPoint V2：将角点检测和前景热图引入纯回归目标检测算法，实现SOTA！
AI算法修炼营的博客
07-19 4141
点击上方“AI算法修炼营”，选择“星标”公众号精选作品，第一时间送达本文是由北大和微软亚洲研究院联合的工作，将RepPoints网络进行改进，对纯回归算法中引入了角点检测、前景热图获取等...
深度学习方法（十三）：卷积神经网络结构变化——可变形卷积网络deformable convolutional networks...
weixin_30781775的博客
04-19 1189
上一篇我们介绍了：深度学习方法（十二）：卷积神经网络结构变化——Spatial Transformer Networks，STN创造性地在CNN结构中装入了一个可学习的仿射变换，目的是增加CNN的旋转、平移、缩放、剪裁性。为什么要做这个很奇怪的结构呢？原因还是因为CNN不够鲁棒，比如把一张图片颠倒一下，可能就不认识了（这里mark一下，提高CNN的泛化能力，值得继续花很大力气，S...
`java.util.Date` from String 2021-07-28 21:36:34: not a valid representation
05-04
The error message you are seeing suggests that the string you are trying to parse into a `java.util.Date` object is not in a valid format. By default, `java.util.Date` expects the input string to be in the format of "EEE MMM dd HH:mm:ss zzz yyyy". If the input string does not match this format, you will get a `ParseException`. To parse a string in a different format, you can use a `SimpleDateFormat` object to specify the input format. Here's an example: ``` String dateString = "2021-07-28 21:36:34"; SimpleDateFormat dateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss"); Date date = dateFormat.parse(dateString); ``` This code creates a `SimpleDateFormat` object with the format "yyyy-MM-dd HH:mm:ss", which matches the format of the input string. It then calls the `parse` method on the `dateFormat` object to convert the string into a `Date` object. Note that the `parse` method can also throw a `ParseException` if the input string does not match the specified format. You may want to handle this exception to provide a better error message to the user.
评论 4
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