学习SOD-MTGAN:Small Object Detection via Multi-Task Generative Adversarial Network(基于多任务GAN的细小物体检测)

学习SOD-MTGAN:Small Object Detection via Multi-Task Generative Adversarial Network(基于多任务GAN的细小物体检测)

传送门
https://blog.csdn.net/leviopku/article/details/84399094

首先人家也是在想这个问题，在深度学习中对目标检测研究也十分久了，但是我们能发现，主要针对有细节纹理的大目标，而对于小目标，就是缺乏纹理细节，同时容易被背景噪声淹没的目标，咱们该如何用深度学习来弄出来，也跟跟风。

但是人家一直研究的是传统算法，对深度学习算法并不了解。这篇文章讲很多东西。如下

♥ 该算法提出了一种端到端的多任务生成对抗网络（MTGAN）♥

(●’◡’●)

♥端到端是啥子♥
传送门
https://blog.csdn.net/sssssyuan/article/details/104320663?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162797743716780255243343%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=162797743716780255243343&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_allsobaiduend~default-1-104320663.pc_search_result_control_group&utm_term=端到端的基本概念&spm=1018.2226.3001.4187

人家的理解就是嘴巴（输入端）和屁股（输出端），中间的过程就是你的消化系统（好复杂，咱们就不看这个黑匣子），你把东西吃进去，然后排出来。(●ˇ∀ˇ●)

当然排出来的就是咱们想要的预测结果。比如CNN网络吖~

♥生成对抗网络又是啥子♥
小伙伴一起讨论的时候，总给我讲博弈论🤡（为什么要给我讲，我们不是在讨论这个网络吗？难道小丑是我。）

人家就是利用的经济学的博弈论。比如两个人掰手腕，假设总的空间是一定的，你的力气大一点，那你就得到的空间多一点，相应的我的空间就少一点，相反我力气大我就得到的多一点，但有一点是确定的就是，我两的总空间是一定的，这就是二人博弈，但是呢总利益是一定的。（传送门——https://blog.csdn.net/qq_28168421/article/details/80993864?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162797771216780274135543%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=162797771216780274135543&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_alltop_positive~default-1-80993864.pc_search_result_control_group&utm_term=%E7%94%9F%E6%88%90%E5%AF%B9%E6%8A%97%E7%BD%91%E7%BB%9C&spm=1018.2226.3001.4187）

咱们把这个思想往咱们的这个生成对抗网络里一放！就会看到，GAN中有两个这样的博弈者，一个是生成模型（G）,另一个是判别模型(G)，它们都有着各自的功能。

快快快打开我们的脑洞！想象一下（厨房篇）
一个是你爸爸一个是你妈妈，你爸爸和妈妈都在厨房，然后你妈妈看向你爸爸，说：做个麻婆豆腐出来，你爸爸就开始把今早买来的豆腐开始加工成麻婆豆腐的样子，然后你妈妈看了一眼，判断你爸爸做出的是不是麻婆豆腐。
妈妈：判别模型（传送门中的）
爸爸：生成模型（传送门中的）

但是这个时候，爸爸并不服气，凭什么我做菜要你判断，然后爸爸就说，我要做个假的麻婆豆腐，你看都看不出来。经过长时间的训练，爸爸终于做出了以假乱真的麻婆豆腐，妈妈都没发现！这个时候的你，肯定想学习一下爸爸的高超技术。而你的妈妈就闭嘴了。这个时候，爸爸妈妈就达到了平衡，在网络中叫做（纳什平衡）

哎呀┭┮﹏┭┮
时间有限，人家就先写在这里啦~

疫情快快过去