[2019CVPR]Distilling Object Detectors with Fine-grained Feature Imitation 论文笔记

一句话总结:针对anchor-based检测器进行特征蒸馏,并且只蒸馏GT和anchor之间IOU高的地方的特征,具体含义见论文可视化图。

Method

1.anchor选择

anchor分布为H×W×K,其中H和W表示生成anchor的特征图的宽高,K表示特征图一个点上anchor的个数。计算所有anchor与GT的IOU,得到一个H×W×K的IOU map,然后,常规想法是直接取个固定阈值然后保留IOU高于阈值的anchor,作者的做法是去IOU map中的最大值M,然后计算一个阈值F=φ×M,在anchor维度使用或操作结合K个anchors的IOU与F的大小,最终得到一个H×W的anchor mask。这样的方式比取固定IOU阈值更灵活一点,实验也证明效果略好。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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