Towards Precise Supervision of Feature Super-Resolution for Small Object Detection 阅读笔记

最新推荐文章于 2023-05-22 16:25:58 发布
最新推荐文章于 2023-05-22 16:25:58 发布
阅读量740 收藏 1
点赞数
分类专栏： 论文阅读笔记 文章标签： 深度学习
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_44326452/article/details/104534552
版权

Better to Follow, Follow to Be Better: Towards Precise Supervision of Feature Super-Resolution for Small Object Detection

  • 文章针对2阶段的detection提出了一种对小面积ROI的feature进行SR的方法，并提出了对该SR进行监督的机制
  • 首先是发现问题，问题在于，一张图片放大2倍后，同一块ROI（放大两倍）作为感受野所对应的feature map上的区域，并不是简单的放大前的区域放大两倍。也就是放大的不匹配问题。所以并不能简单地用大图的ROI的对应featuremap区域来监督小图的ROI的对应featuremap区域的SR
  • 为了解决这个问题，必须用某种方式使得感受野匹配起来，所以作者采取了空洞卷积和pooling的trick来产生具有匹配的感受野的feature map的块进行SR模型的监督训练。
  • 训练完，就可以用到2阶段的detection种，把RPN得到的小面积ROI对应的feature区域，先进行SR，再送进后续的ROIAlign等步骤。
  • 哦对了，之所以要对feature map进行SR，是因为小物体检测得到的ROI对应的featuremap太小了，包含的信息也太coarse了，不利于后续的检测，所以要通过这种方式增加信息量。
  • 整个网络的结构就是这样的：在这里插入图片描述
ssf-yasuo
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【ICCV 2019】特征超分检测：Towards Precise Supervision of Feature Super-Resolution for Small Object Detection
梁瑛平的博客
06-25 839
作者提出了一种新的特征级超分辨率方法，利用适当的高分辨率目标特征作为监督信号训练的SR模型和匹配的相对感受野的训练对输入低分辨率特征和目标高分辨率特性，而且可以与任何基于特征池化的检测器集成。...
Faster R-CNN Towards Real-Time Object Detection With Region Proposal Networks
08-06
论文：Faster R-CNN Towards Real-Time Object Detection With Region Proposal Networks
【目标检测论文阅读笔记】Better to Follow, Follow to Be Better: Towards Precise Supervision of Feature Super-Reso
最新发布
YoooooL_的博客
05-22 429
尽管最近基于proposal的 CNN 模型在目标检测方面取得了成功，但由于小的感兴趣区域 (RoI) 包含的信息有限且失真，仍然很难检测到小目标。缓解此问题的一种方法是使用超分辨率 (SR) 技术增强小 RoI 的特征。我们研究了如何提高特征级的超分辨率，特别是对于小目标检测，发现其性能可以通过i）利用适当的高分辨率目标特征作为 SR 模型训练的监督信号和（ii）匹配输入的低分辨率特征 和 目标高分辨率特征训练对 的相对感受野。我们提出了一种新颖的特征级超分辨率方法。
目标检测之Task-Driven Super Resolution: Object Detection in Low-resolution Images
qq_41950533的博客
02-23 699
0.摘要 目的是证明sr是否可以对低分辨率的目标检测任务做出贡献，这篇文章加入了用来计算sr过程中的检测损失。本文想要找来一个鲁棒性比较好的sr方法，可以广泛应用于低分辨率的目标检测中，并且证明其有效性。 1.病态的sr SR的最终目标仍然是按照人类视觉感知的标准尽可能地重建图像，但是人的感知和机器的感知不同。所以如果我们sr的目的是为了给机器使用，我们应该使用更迎合机器的sr方法而不是使用那些迎合肉眼的方法。低分辨率的图片是通过高分辨率图片下采样的方式获得，图b是1/8-size再填充黑色。 (d)和(
【aiy篇】小目标检测综述
qq_44859533的博客
03-05 1868
小目标检测（Small Object Detection）是指在图像中检测尺寸较小的目标物体，通常是指物体的尺寸小于图像大小的1/10或者更小，COCO为例，面积小于等于1024像素的对象维下目标。小目标检测是计算机视觉领域的一个重要研究方向，具有广泛的应用前景，例如安防监控、智能交通、无人机等。
小目标检测small object detection
carlous0的专栏
12-09 1942
整理了两个github上两个罗列近期small object detection相关工作的链接。 第一个链接：https://github.com/kuanhungchen/awesome-tiny-object-detection 这个链接的title是tiny object，估计只有我这个小聪明能找到，这个链接比较推荐，罗列的工作都是一些较好的会议和期刊上的工作。 第二个链接：https://github.com/ispc-lab/SmallObjectDetectionList 这个链接的
Faster R-CNN: Towards Real-Time Object Detection with Region
04-06
《Faster R-CNN：迈向实时区域对象检测》 这篇论文是关于Faster R-CNN，这是一种基于深度学习的目标检测框架，旨在解决传统方法中区域提议算法造成的计算瓶颈，提高对象检测的速度。Faster R-CNN的核心创新在于引入...
ThunderNet Towards Real-time Generic Object Detection
03-31
Real-time generic object detection on mobile platforms is a crucial but challenging computer vision task. However, previous CNN-based detectors suffer from enormous computational cost, which hinders ...
Faster R-CNN Towards Real-Time Object Detection with Region Proposal
10-14
Fast R-CNN Towards Real-Time Object Detection
【走读】Faster R-CNN Towards Real-Time Object Detection with Region
08-03
《Faster R-CNN：迈向实时目标检测的区域提案网络》 目标检测是计算机视觉领域的一个核心任务，其目的是在图像中识别并定位出不同类别的物体。Faster R-CNN，全称为“更快的区域提案网络”，是该领域的一个里程碑式...
TT100K数据标注文件（json）
04-14
TT100K数据标注文件（json）~~TT100K数据标注文件（json）
Better to Follow, Follow to Be Better
qq_43403200的博客
09-14 687
Better to Follow, Follow to Be Better: Towards Precise Supervision of Feature Super-Resolution for Small Object Detection 阅读记录 Abstract 作者认为下列两点可以提高特征超分辨的性能： 使用适当的高分辨特征作为训练特征超分辨网络的监督信号。 匹配训练图像对的感受野。 introduction 略 Related Work 略 ...
小物体检测的有监督特征级超分辨方法 | ICCV 2019 : Better to Follow, Follow to Be Better
weixin_43257313的博客
07-07 967
Better to Follow, Follow to Be Better: Towards Precise Supervision of FeatureSuper-Resolution for Small Object Detection 论文地址：http://vision.snu.ac.kr/project_pages/iccv19_noh/data/iccv19_noh.pdf 感受野： ARF、RRF、DRRF(1/2)，分别代表感受野的大小，感受野与原图像大小的比值，原始图像与将原始图像缩小一半
【目标检测论文阅读笔记】Small Object Detection in Remote Sensing Images with Residual Feature Aggregation-Based
YoooooL_的博客
05-18 545
本文利用图像超分辨率的概念，使用基于深度学习的检测方法来增强图像分辨率从而检测来自卫星或任何飞行器的遥感图像中的小目标。本文通过结合 循环生成对抗网络（GAN）和残差特征聚合（RFA）来改进当前的超分辨率（SR）框架以提高检测性能，从而为小目标的图像超分辨率提供了基本原理。该方法的新颖之处有三：首先，提出了一个框架，独立于研究中使用的最终目标检测器，即YOLOv3 可以替换为 Faster R-CNN 或任何目标检测器来执行目标检测；其次，在生成器中使用残差特征聚合网络。
Better to Follow, Follow to Be Better: Towards Precise Supervision of Feature Super-Resolution
weixin_36670529的博客
06-16 2662
摘要 虽然最近基于区域建议的CNN模型在目标检测方面取得了成功，但是由于小兴趣区域(small Region of Interest, RoI)所包含的信息有限且失真，小目标的检测仍然比较困难。解决这一问题的一种方法是使用超分辨率(SR)技术来增强小型RoI的特性。我们研究如何提高级的超分辨率特别是对小目标检测,并发现它的性能可以显著提高通过： (1)、利用适当的高分辨率目标特性作为SR的训练......
《Augmentation for small object detection》小目标检测的数据增强
qq_38109282的博客
09-25 2598
前言 这篇论文和CutMix思路有点类似，不过该篇论文主要是针对小目标数据的增强，CutMix注重的是数据增强中正则化，泛化的问题。该篇论文发布于2019CVPR Abstract 近年来，目标检测取得了令人瞩目的进展。尽管有这些改进，但在检测大小目标之间的性能仍有很大差距。我们在具有挑战性的数据集MS COCO上分析了当前最先进的模型Mask RCNN。我们表明，小的ground truth目标和预测的Anchor之间的重叠远低于预期的IoU阈值。我们推测这是由两个因素造成的； （1） 只有少数图像包含.
Small Object Detection using Context and Attention（使用上下文和注意力机制的小型物体检测）
知欧zhou的博客
10-27 5201
Small Object Detection using Context and Attention 使用上下文和注意力机制的小型物体检测 Jeong-Seon Lim University of Science and Technology jungsun0427@etri.re.kr Marcella Astrid University of Science and Technology marcella.astrid@ust.ac....
Cap2Det: Learning to Amplify Weak Caption Supervision for Object Detection 论文笔记
qq_30146937的博客
04-05 454
前言 弱监督目标检测（WSOD）在训练时不需要详尽的box标注，但它要求image-level标签必须是准确的，也即在图像中至少有一个目标的标签是这个类，但是这些image-level标签依然需要人为实现。那么有没有更加自然的监督方式呢？答案是有的！比如当用户向网上上传图像时，通常会带有一些自然语言描述，或者一些视频的子标题。这些标注都是自然而然产生的，即人们是自愿提供的，因此这些标注与image...
【目标检测论文阅读笔记】Lightweight multi-scale network for small object detection
YoooooL_的博客
03-31 1083
小目标检测在现实世界中有着广泛的应用。在复杂场景中检测小目标非常困难，因为它们的分辨率很低。目前，许多研究在提高小目标检测精度方面取得了重大进展。但是，有些算法不能很好地平衡检测速度和精度。为了解决上述问题，本文利用 多尺度信息的 轻量级 多尺度网络(LMSN)。首先，通过多尺度特征融合单元 在各个尺度上 对语义信息交互 进行显式建模；其次，采用轻量级感受野增强模块增强网络的特征提取能力；最后，采用一种有效的通道注意模块来增强特征表示能力。
better to follow, follow to be better: towards precise supervision of feature super-resolution for small object detection
04-06
该论文的中文翻译为“跟随更好，追随更好：面向精确监督小目标检测的特征超分辨率”。该论文主要研究如何通过特征超分辨率来提高小目标检测的精度，并提出了一个跟随式训练方法来实现精确监督。...

“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
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