目标检测中的FPN

最新推荐文章于 2024-04-23 14:42:19 发布
最新推荐文章于 2024-04-23 14:42:19 发布
阅读量398 收藏 11
点赞数 9
文章标签： 目标检测 人工智能 计算机视觉
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_43689808/article/details/135822010
版权

目录

1.关于目标检测
2.多尺度问题的解决方案——FPN
3.FPN架构

1.关于目标检测

目标检测也就是输入一张图片，输出多个标注框，以及对应物体的分类标签。
在这里插入图片描述
目标检测的主要问题有2个
其一，物体的姿态是不一样的，比如图中的猫猫，有躺着的有侧对的，但是我们需要准确的识别到正的歪的倒的都是猫猫。
其二，物体的大小根据里摄像头的远近是有差别的，远的猫猫开起来小，近的猫猫看起来大，我们需要识别到大的小的都是猫猫。
在这里插入图片描述
图像特征金字塔的提出就是为了解决物体大小识别的尺度问题。

在这里插入图片描述
金字塔通过降采样将图像特征缩放到不同的维度，在金字塔的顶层预测大物体，在金字塔的底层预测小物体，这种方式的缺点在于计算复杂度变高了。

FPN的核心思想是让语义特征从顶层向底层传播，让每一层都有丰富的语义特征可以进行预测。
在这里插入图片描述
FPN的结构可以分为3个部分：
1、自下而上：逐层卷积形成特征金字塔，得到多尺度特征图
2、横向连接：将所有特征图的通道减小到一定大小，方便合并
3、自上而下：将顶部的语义特征传播到底部
在这里插入图片描述
### 1、自下而上
在这里插入图片描述
自下而上的路径按照一定的缩放因子逐级提取语义特征，下图以2016CVPR提出的残差网络为例
在这里插入图片描述

2、横向连接

在这里插入图片描述
横向连接形成统一维度的方法是采用1*1的卷积核
在这里插入图片描述
统一维度以后，和采用插值实现升维的特征图相加综合语义信息
在这里插入图片描述

3、自顶向下

在这里插入图片描述

Marcia..
关注
  • 9
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
FPN(Feature Pyramid Network)多尺度目标检测方案
沈春旭的博客
10-06 1万+
参考论文：Feature Pyramid Networks for Object Detection 会议水平：CVPR 2017 开源代码：https://github.com/unsky/FPN 1. 多尺度目标检测问题 CNN网络对于位置变化的适应性很强，但是对尺度变化的表现很差，所以检测问题基本都要考虑尺度怎么处理。那么首先来看一幅非常具有代表性的图，这张图涵盖了目前很多检测问题在...
faster-rcnn+fpn+resnet+目标检测
04-07
标题中的“faster-rcnn+fpn+resnet+目标检测”是一个深度学习领域的概念组合，涉及到四个关键部分：Faster R-CNN、FPN（Feature Pyramid Network）、ResNet以及目标检测。让我们逐一深入探讨这些知识点。 1. **目标...
【目标检测】FPN
博观约取，厚积薄发
02-24 1493
Feature Pyramid Networks for Object Detection 摘要 5 FPS on a GPU（有点慢） 1. 引言 d 为FPN，速度和 b、c相似，但是更精准。图中，蓝色框表示特征图，粗的框表示语义强壮的特征。 These pyramids are scale-invariant in the sense that an object’s scale change is offset by shifting its level in the pyramid.
目标检测之FPN
thisiszdy的博客
04-15 1134
一、目标检测之FPN Feature Pyramid Networks for Object Detection(用于目标检测的特征金字塔网络) 论文链接：https://arxiv.org/abs/1612.03144 论文翻译：http://noahsnail.com/2018/03/20/2018-03-20-Feature Pyramid Networks for Object Dete...
目标检测之FPN(feature pyramid networks)
AndyJ的学习之旅
09-09 285
本文参考以下链接，如有侵权，联系删除 参考 feature pyramid networks for object detection-2017 概述 原来多数的object detection算法都是只采用顶层特征做预测，但我们知道低层的特征语义信息比较少，但是目标位置准确；高层的特征语义信息比较丰富，但是目标位置比较粗略。另外虽然也有些算法采用多尺度特征融合的方式，但是一般是采用融合后的特征做预测，而本文不一样的地方在于预测是在不同特征层独立进行的。 motivation （a）图像金字塔，即将图像
目标检测(五)——FPN
hhhcbw的博客，欢迎各位来访
02-09 2875
简介 在coco与imagenet上取得靠前名次的网络都采用了多尺度的方法，而特征金字塔是识别不同尺度的目标时常用的结构。但是特征金字塔需要较大的计算量和显存，所以一般只在测试时使用。而FPN则利用了CNN的金字塔结构，设计了一种新型的特征金字塔的方式，可以减少额外的对计算量和显存的消耗。使用FPN，Faster RCNN的精度进一步提升（因为提取的特征更为丰富），速度为6fps on a GPU。 原理 特征金字塔 本文的目的就是利用CNN特征层次，建立一个各个尺度特征都包含较强语义的特征金字塔。 介
FPN-master_目标检测_FPN_
10-02
在FPN中，我们从预训练的主干网络（如ResNet、VGG等）中提取特征。主干网络的顶层特征（通常在最后一个池化层）具有丰富的语义信息，但空间分辨率较低。然后，这些高层特征被反向传播到较低层，通过上采样操作恢复其...
目标检测代码示例.rar
最新发布
05-22
目标检测是计算机视觉领域中的一个核心任务，它旨在在图像或视频中识别并定位出特定的物体。这个任务的关键在于让计算机理解图像内容，并能够精确地框定出感兴趣的目标对象。"目标检测代码示例.rar"这个压缩包很可能...
YOLOV3目标检测算法
06-08
总的来说，YOLOV3是目标检测领域的一个重要里程碑，它的快速、准确特性使其在实际应用中得到广泛采纳，如自动驾驶、视频监控、机器人视觉等领域。通过理解并实践YOLOV3的设计原理，开发者可以更好地掌握目标检测的...
目标检测：yolov5的目标检测
03-20
目标检测是计算机视觉领域中的一个核心任务，它旨在在图像或视频中识别并定位出特定对象。YOLO（You Only Look Once）是目标检测的一种高效算法，自2016年首次提出以来，因其快速且准确的特性，已经在诸多实际应用中...
目标检测中的各种FPN
qq_44785998的博客
04-20 2355
早期的物体检测算法，无论是一步式的，还是两步式的，通常都是在Backbone的最后一个stage（特征图分辨率相同的所有卷积层归类为一个stage）最后一层的特征图，直接外接检测头做物体检测。此种物体检测算法，可以称之为单stage物体检测算法。 由于单stage物体检测算法中，Backbone的最后一个stage的stride通常是32，导致输出的特征图分辨率是输入图片分辨率的1/32，太小，不利于物体检测，因此单stage的物体检测算法，一般会将最后一个stage的MaxPooling去掉或者将str
目标检测总结：FPN
Tianlock的博客
01-22 658
Feature Pyramid Networks for Object Detection ——特征金字塔思路：具体应用：FPN结合Fast RCNN 特征金字塔，是识别不同尺度目标的基本方法。 如上图所示：（a）使用图像金字塔构建特征金字塔，速度慢，（b）只使用单一尺度特征进行更快的检测，（c）利用卷积的featuremap构建金字塔特征层次结构，是一个特征化的金字塔，上一篇介绍的SSD即为这...
今天来聊一聊目标检测结构中的常见形式—FPN
KongDere的博客
08-04 167
然而，由于目标在图像中的尺寸和比例各异，以及图像中存在多个尺度的特征，传统的单一尺度的特征提取方法往往难以满足复杂场景下的目标检测要求。然后，FPN通过自下而上的特征融合，将高分辨率的特征与低分辨率的特征进行融合，从而获得具有丰富语义信息的多尺度特征金字塔。丰富的语义信息：通过特征传播和特征融合，FPN将高层次的语义信息与低层次的细节信息相结合，使得网络在进行目标检测时能够同时获得丰富的语义信息和细节信息，从而提高了目标检测的鲁棒性和泛化能力。这使得FPN能够在目标检测任务中实现高效的特征融合和目标定位。
【目标检测系列】七、FPN
traveller的博客
10-08 433
FPN
深度学习之目标检测（三）-- FPN结构详解
木卯_THU的博客
08-06 8167
深度学习之目标检测（三）-- FPN结构详解深度学习之目标检测（三）FPN结构详解1. FPN —— 特征金字塔 深度学习之目标检测（三）FPN结构详解 本章学习 FPN 相关知识，学习视频源于 Bilibili。 1. FPN —— 特征金字塔 FPN 原始论文为发表于 2016 CVPR 的 Feature Pyramid Networks for Object Detection。针对目标检测任务，主要解决的问题是目标检测在处理多尺度变化问题时的不足，最终在COCOAp 提升 2.3 个点，pasc
【目标检测】FPN特征金字塔完整流程详解
CV在读
04-23 1772
特征金字塔介绍
物体检测之FPN
年轻即出发，
01-04 1194
论文：Feature Pyramid Networks for Object Detection  Github：https://github.com/facebookresearch/deepmask   cvpr2017，凯明的大作   论文提出多尺度的物体检测算法，特征金字塔Feature Pyramid Network (FPN) 。原来多数的物体算法都是只采用顶层特征做预测，像...
目标检测之FPN网络详解
热门推荐
小白学视觉
08-18 1万+
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达 特征图金字塔网络FPN（Feature Pyramid Networks）是2017年提出的一种网...
【目标检测】FPN网络全解
wzk4869的博客
01-02 3955
【目标检测】FPN网络全解
FPN在目标检测中的挑战与优化策略
特征金字塔网络（Feature Pyramid Network，简称FPN）是现代目标检测系统中的核心组件，它有效地解决了多尺度目标检测的挑战。FPN通过构建一个多层级的金字塔结构，使得每一层特征图都能够捕获不同大小的目标。然而...
评论 1
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