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 2023-01-17 19:57:31 发布
VIP文章 最新推荐文章于 2023-01-17 19:57:31 发布
阅读量1.8k 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

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
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
目标检测论文阅读：RepPoints(Anchor Free)
热门推荐
思矣远矣
10-21 1万+
目标检测论文阅读：RepPoints 论文链接：https://arxiv.org/abs/1904.11490 代码链接：https://github.com/microsoft/RepPoints 这周来看一下anchor free领域的一个比较新的算法reppoints，ICCV 2019的文章。这篇文章漂亮的地方在于对deformable卷积的有趣应用。而且虽然是基于points检测的，但...
RepPoints: Point Set Representation for Object Detection解读
Burtan的专栏
06-13 1557
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
RepPoints：Point Set Representation for Object Detection
qq_33326349的博客
12-15 394
原文链接 目前大多数的目标检测器都依赖于矩形的目标框，去表示在不同识别阶段的目标。使用bb是非常方便的，但是只能粗略的对目标进行定位，并且挖掘出来的相应的特征也是粗略的。在本文中，作者提出了代表点（RepPoints），将一系列样本点用于物体定位和识别。通过训练对gt进行定位并识别目标。RepPoints学习自动的安排自己，以限制目标的空间区域范围和表示语义上的重要局部区域。不需要anchor来采...
【论文笔记】：RepPoints: Point Set Representation for Object Detection
Activewaste
10-24 7348
&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...
【RepPoints】RepPoints: Point Set Representation for Object Detection 译读笔记
墨门
01-13 513
现今的目标检测器严重依赖矩形边界框，例如在各个识别阶段使用锚点、建议框和最终预测来表示目标。边界框使用方便，但仅提提供目标的粗略位置，会导致相应目标特征的提取不够精细。本文提出了RepPoints（representative points），一种全新的更加精细的目标表示，作为一组样本点用于定位和识别。在训练时给定识别目标的真实位置，RepPoints学习表征点的排布方式，该方式会限制在目标的空间范围内，并指示出具有语义信息的重要局部区域。此外，表针点不需要使用anchors来对边界框（分布）空间采样。
[阅读笔记] RepPoints: Point Set Representation for Object Detection
qq_27489699的博客
11-27 199
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...
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 ...
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。
Deep-High-Resolution-Representation-Learning-for-Cross-Resolution-Person-Re-identification:IEEE多媒体交易杂志（正在审查中）
03-17
然后，我们通过设计一个新颖的表示头以提取区分特征（称为HRNet-ReID）来改革HRNet。 另外，构造了伪暹罗框架以减小低分辨率图像和高分辨率图像之间的特征分布的差异。 在五个交叉分辨率人员数据集上的实验结果证明...
论文阅读：RepPoints: Point Set Representation for Object Detection
j879159541的博客
10-15 1604
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...
目标检测: Point Set Representation for Object Detection
LittleGreyWing的博客
10-21 358
RepPoints论文阅读 摘要 摘要中提到了这个新方法是通过一些样本点来做到很好的既能定位又能识别的作用。 1.简介 bounding boxes的传统做法只能提供粗糙的定位，不能确定物体的形状、姿态。因此框框可能受背景影响很大或者目标如果包含较少或者不均衡的信息时也会降低准确度。 RepPoints是一组点，这些点学会自适应地将自己以划定物体边界范围的方式来定位，并且指示出语义的重要局部区域。 2.相关工作 bounding boxes在目标检测中目前占很重地位，标注时的bounding box
（二十二）论文阅读 | 目标检测之RepPoints
Skies_的博客
06-06 1002
ICCV2019 | 目标检测之RepPoints
anchor free 目标检测_2019 ICCV RepPoints目标检测算法（anchor-free，可变形卷积，改进边界框）...
weixin_42512613的博客
12-27 221
背景 《RepPoints: Point Set Representation for Object Detection》是最近挂在arxiv上的论文（也是2019 ICCV的论文），作者杨泽来自于微软和北大，其他作者如微软的Han Hu和Stephen Lin同时也是deformable v1和v2、relation network，GCNet的作者，产出很高。本篇的一个创新点也是deforma...
CVPR'22 | 基于可形变关键点模型的图像驱动技术
阿里妈妈技术
06-22 772
丨目录：‍ ·问题介绍 —什么是图像驱动 ·图像驱动有哪些应用 ·主要成果 · Baseline 方法 — FOMM · 我们的改进方案 — 可形变关键点模型 · 实验对比 · 引用 ·关于我们本文分享阿里妈妈技术创意&视频平台关于图像驱动的最新研究工作。该项工作论文已发表在CVPR 2022，基于本文成果的图片生成动效视...
【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 1538
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。 ...
目标检测|新的目标表示方法RepPoints
yanghao201607030101的博客
01-12 972
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。
RepPoints原理与代码解析
00000cj的博客
01-17 837
本文提出对一组自适应点进行建模，如下，其中n=9逐步refine边界框的定位和特征提取对多阶段目标检测非常有意义，对于RepPoints，refine过程可表示如下其中 \(\left \{ \left ( \bigtriangleup x_{k},\bigtriangleup y_{k} \right ) \right \} ^{n}_{k=1}\) 是预测的新的采样点相对于旧的采样点的偏移。
`java.util.Date` from String 2021-07-28 21:36:34: not a valid representation
最新发布
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...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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