SPPNet

最新推荐文章于 2024-08-21 16:56:45 发布
最新推荐文章于 2024-08-21 16:56:45 发布
阅读量69 收藏
点赞数
分类专栏： CV论文 文章标签： 人工智能
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_43722052/article/details/132712756
版权
SPPNet通过空间金字塔池化在保持59.2%mAP检测精度的同时，将目标检测的速度提高20多倍，但其训练过程需大存储空间和多阶段复杂性。
摘要由CSDN通过智能技术生成

简介：SPPNet[5]提出了一种空间金字塔池化层(Spatial Pyramid Pooling Layer, SPP)。它的主要思路是对于一副图像分成若干尺度的图像块(比如一副图像分成1份，4份，8份等)，然后对每一块提取的特征融合在一起，从而兼顾多个尺度的特征。SPP使得网络在全连接层之前能生成固定尺度的特征表示，而不管输入图片尺寸如何。当使用SPPNet网络用于目标检测时，整个图像只需计算一次即可生成相应特征图，不管候选框尺寸如何，经过SPP之后，都能生成固定尺寸的特征表示图，这避免了卷积特征图的重复计算。
【性能】 相比于RCNN算法，SPPNet在Pascal-07数据集上不牺牲检测精度(VOC-07, mAP=59.2%)的情况下，推理速度提高了20多倍。

【不足】 和RCNN一样，SPP也需要训练CNN提取特征，然后训练SVM分类这些特征，这需要巨大的存储空间，并且多阶段训练的流程也很繁杂。除此之外，SPPNet只对全连接层进行微调，而忽略了网络其它层的参数

在这里插入图片描述

毕竟是shy哥
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
sppnet目标检测
04-02
### SPPNet (Spatial Pyramid Pooling Network)：用于目标检测的关键技术 #### 一、引言与背景 近年来，深度卷积神经网络（CNNs）在计算机视觉领域取得了革命性的进展，特别是在图像分类和目标检测任务上实现了...
SSD+LeNet+SPPNet
04-17
SPPNet的PPT可能详细解释了空间金字塔池化的概念，如何构建不同级别的金字塔结构，以及这种结构如何保持特征向量的维度恒定，允许网络接受不同输入尺寸。此外，还可能讨论SPPNet在目标检测和语义分割任务中的应用，...
SPPnet
dekiang
10-20 902
目录1. Motivation2. SPPnet2.1 SPP层的原理2.2 SPPnet的区域映射原理3. 总结 论文: Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition. 来源：ECCV 2014 1. Motivation R-CNN模型存在很多缺点和可改进的地方，其中的两个缺点如下： CNN网络后面接的FC层需要固定的输入大小，导致CNN也需要固定大小的输入，即要求候选区域在进入CNN前需要c
sppnet
陈依依的博客
12-08 1166
R-CNN 作为CNN引入目标检测的开篇之作，后来又出现了sppnet ,fast R-CNN,faster R-CNN等一系列目标检测算法，本次主要学习的是sppnet 首先介绍一下R-CNN的流程： 每张图片通过selectivesearch选出大约2000张候选框，每个候选框单独输入CNN做卷积操作，在使用SVM分类，以及最后位置的精修。sppnet就提出能不能在整张图上提取候选框特征，这样在整幅图上只进行一次卷积。 spp-net在图像检测方面也表现优
SPPnet笔记
qq_24548569的博客
09-22 255
论文：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition Motivation R-CNN等神经网络都要求输入图片是固定尺寸，比如R-CNN要求输入图片是224×224，这样就限制了其他长宽比和其他尺寸的输入图片。不同长宽比和不同尺寸的输入图片是有意义的，首先，图片数据都不是同一尺寸的，他们大小...
5.3 SPPNet
qq_40066957的博客
05-08 294
5.3 SPPNet 学习目标 目标 知道SPPNet与RCNN的对比特点 掌握空间金字塔池化(spatial pyramid pooling)的原理和作用 掌握SPPNet的训练过程以及测试结果对比 知道SPPNet优缺点总结 应用 无 5.3.1 SPPNet介绍 针对之前R-CNN的缺点，我们来看 1、每个候选区域都进行了卷积操作提取特征，计算量大速度低效。 2、对于卷积网络来讲都需要输入的
SPPnet详解
qq_52053775的博客
05-28 1515
提出背景 R-CNN的特征提取网络要求输入图像为固定尺寸，和人的视觉系统相比，这一约束其实非常不自然。R-CNN对输入图像尺寸的这一约束，使得图像在进入网络之前，必须进行截取或拉伸，改变了图像原本的形态，直接影响了算法的性能。另外，R-CNN在对各个候选框进行特征提取的过程中，也进行了非常多重复的卷积计算，导致算法耗时很长，很难在实时系统中使用。针对上述两个问题，何恺明等人提出了一种新的池化方法，即空间金字塔采样，而基于这种方法构建的卷积神经网络，称为SPP-Net。下面将对空间金字塔采...
SPPNet网络模型
Forward no stop
12-25 967
上篇文章详细阐述了R-CNN网络模型，本篇本章本来准备阐述Fast-RCNN模型的，介于SPP-Net模型有许多技巧性的技术可以在不同模型上使用，所以本篇详细分析下SPP-Net SPPNet论文：https://arxiv.org/abs/1406.4729 SPPNet论文翻译:https://blog.csdn.net/mengduan...
目标检测之SPPNET
zhangyoufei9999的博客
05-23 326
在了解了RCNN之后，我们知道RCNN 在经过region proposal产生候选框之后，需要将每一个候选框图片输入CNN网络提取特征，比如一张图片会经seletive search会产生2000个候选区域，那么我们就需要进行2000次的特征提取，这样极大的影响了效率。另外由于Alex CNN网络具有固定的输入尺寸，但是实际我们产生的候选区域的尺寸确实多样的，这样我们在输入网络提取特征之前还需要...
SPPNet模型结构精讲
sunshineine的博客
07-10 133
1. 模型结构 2. Spatial Pyramid Pooling（空间金字塔池化） 3. 分类与回归 4. 总结
深度学习——SPPNet原理
c20081052的专栏
08-14 2054
从R-CNN 到Fast R-CNN，有必要了解下SPPNet，其全称为Spatial Pyramid Pooling Convolutional Networks（空间金字塔池化卷积网络）。 它将CNN的输入从固定尺寸改进为任意尺寸，例如在CNN结构中，输入图像的尺寸往往固定的（如224x224像素），输出可看做固定维数的向量。 SPPNet在普通的CNN结构中加入了ROI池化层（ROI Po...
SPPNet.zip
08-20
《SPPNet：基于空间金字塔池化的目标检测技术解析》 在计算机视觉领域，目标检测是至关重要的一环，它涉及到识别图像中特定对象的位置和类别。SPP-Net（Spatial Pyramid Pooling Network）是由He等人在2014年提出的...
R-CNN、SPPNet、Fast Rcnn、Faster R-CNN 原理以及区别
01-06
R-CNN原理：   R-CNN遵循传统目标检测的思路，同样采取提取框，对每个框提取特征，图像分类，非极大值抑制等四个步骤，只不过在提取特征这一步将传统的特征换成了深度卷积网络提取的特征。  对于原始图像， 首先...
rcnn,sppnet,fast rcnn,faster rcnn16页详细讲解
11-21
目标检测技术的演进历史中，涌现了一系列重要的算法，包括RCNN（Region-based Convolutional Neural Networks）、SPPNET（Spatial Pyramid Pooling Networks）、Fast RCNN以及Faster RCNN，这些算法之间存在着优缺点...
零基础学习人工智能—Python—Pytorch学习（六）
kiba518的博客
08-21 879
前言 本文主要讲神经网络的上半部分。 这篇文章开始有很多公式了，这些公式都很简单，但是如果是不经常在脑海里思考公式的人，那可能需要多花点时间做一下自我训练，个人感觉，也就几天时间，就能把自己感觉给调整出来。 习惯了公式看下面内容就会轻松很多，另外如果要深入学习人工智能，熟练的认知公式也是个必须的事情。 另外，我发现我前面文章写的有歧义的地方还是挺多，虽然，已经改了一部分，但，可能还有没发现的，大...
天猫商品详情API：深度挖掘商品推荐与关联的新路径
2401_85789772的博客
08-20 769
天猫商品详情API是天猫开放平台提供的一项服务，旨在帮助开发者获取天猫平台上商品的详细信息，包括但不限于商品标题、价格、销量、描述、图片以及推荐与关联商品等。这一接口不仅为购物者提供了丰富的商品信息，也为商家和开发者提供了强大的数据支持，助力其优化商品展示策略，提升用户购物体验。天猫商品详情API为开发者提供了深入挖掘商品推荐与关联信息的新途径。通过合理利用这一接口，开发者可以实现精准的商品推荐与关联展示，提升用户体验和平台运营效率。
yolov8 出现loss 为nan
最新发布
zhaoluruoyan89的博客
08-21 314
这篇博客警示读者在购买用于深度学习的显卡时要避开那些导致RuntimeWarning: All-NaN slice encountered的问题。作者强调这些Tensor核心存在严重缺陷，不适宜进行深度学习任务，建议大家在选购时务必谨慎。方法二：将混合精度训练AMP 设置为False。方法一：降低cuda和pytorch 版本号。
基于Python星载气溶胶数据处理与反演分析
lwjnlqiqi的博客
08-21 1168
Python星载气溶胶数据处理与反演分析
SPPNet较RCNN优点
06-27
SPPNet (Spatial Pyramid Pooling Network) 是一种改进的卷积神经网络（CNN）结构，它相对于传统的 Region-based Convolutional Neural Networks (RCNN) 有以下几个主要优点： 1. **效率提升**：RCNN需要对每个候选...
评论
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

打赏作者

毕竟是shy哥

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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