论文阅读-《CoupleNet:Coupling Global Structure with Local Parts for Object Detection》

最新推荐文章于 2020-10-21 22:20:51 发布
最新推荐文章于 2020-10-21 22:20:51 发布
阅读量4.1k 收藏 3
点赞数 1
分类专栏： Computer Vision 计算机视觉论文研读
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/yaoqi_isee/article/details/77097533
版权
该论文提出CoupleNet，通过结合区域提案的全局结构、局部部分和上下文信息，提升了物体检测的准确性。在R-FCN基础上改进，利用三个支路分别处理全局、局部和上下文信息，实验结果显示在VOC和COCO数据集上达到state-of-art水平。
摘要由CSDN通过智能技术生成

中科院nlpr实验室 ICCV2017

1.Motivation

这篇文章主要是在R-FCN的基础上改的。其主要的观点就是R-FCN可以看成是对一个proposal，用一些position-sensitive的weak classifier去做检测，然后把这些classifier的检测结果ensemble起来（position-sensitive RoI pooling），因此作者指出这张方法没有考虑到region proposal的global的信息和context的信息。

2.Contribution

在原来R-FCN的基础上引入了proposal的global和context信息，通过结合part,global,context的信息，提高了检测的精度
1
上面这张图能够比较形象地说明作者提出了CoupleNet的效果。

(a)图里面，对于边界的物体，global的置信度不高，但是在人眼，嘴巴这些地方的local part的置信度比较高，结合之后可以得到人的检测结果。

(b)图，对于结构比较简单的物体，比如餐桌，local part整体置信度比较低，但是global的置信度会比较高，结合之后也能检测出餐桌。

3.Framework

最低0.47元/天 解锁文章
yj_isee
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
CoupleNet:Coupling Global Structure with Local Parts for Object Detection
11-15
该篇是对CoupleNet论文的解读，以及自己的一些看法，若有 不同希望指出。谢谢
ICCV2017——CoupleNet: Coupling Global Structure with Local Parts for Object Detection
practical_sharp的博客
04-17 640
CoupleNet: Coupling Global Structure with Local Parts for Object Detection 学习CoupleNet，这个网络结构就是使用全局上下文和局部上下文进行融合，检测。 在最近的一些论文中我也看到过这么的操作，但是他们的出发点都应该是来自于这一篇论文。 所以学习CoupleNet是如何进行检测，如何进行局部上下文和全局上下文的融合的至关重要。 学习CoupleNet主要抓住以下问题： CoupleNet是基于RFCN进行改进的，首先要掌握F
Couple Net论文阅读笔记
Arch的博客
08-22 3946
CoupleNet: Coupling Global Structure with Local Parts for Object Detection背景：R-FCN在利用了FCN之后，目标检测的效果仍然十分可观并在速度上有较大提升，比faster r-cnn快2.5-20倍，R-FCN利用的是卷积产生的位敏得分feature map（一个ROI的k*k个位置对每一类均产生一个score map），基
Couplenet
qq_35608277的博客
05-31 775
CoupleNet[41]针对R-FCN算法没有考虑到region proposal的全局信息和语义信息的问题，2017年中科院自动化所提出CoupleNet[41]算法，其在原来R-FCN的基础上引入了proposal的全局和语义信息，通过结合局部、全局以及语义的信息，提高了检测的精度。作者是通过将ROI对应的feature map往外扩大一倍的方式获取。 ref https://blo...
A review of olfactory cell-based sensors: coupling microelectronics to olfactory cells
02-11
A review of olfactory cell-based sensors: coupling microelectronics to olfactory cells
论文研究-Multi-mode Coupling in a Coaxial Bragg Reflector.pdf
08-19
标签中包含的关键词“Bragg reflector”、“coaxial structure”和“multi-mode coupling”为这个研究的核心内容提供了更直接的线索。Bragg反射器是以Brage条件为基础的，其中Brage条件是布拉格反射能够有效发生的...
Windows-EDEM-Fluent-Coupling-v2.2-scripts-only.rar_Coupling-for-
07-14
For EDEM and Fluent software coupling
Metal-Free Oxidative Decarbonylative Coupling of Aromatic Aldehydes with Arenes: Direct Access to Biaryls
02-11
本文介绍了一种无金属催化的芳香醛与取代苯的氧化脱羰偶联反应，该反应能够高效地合成联苯类产物。这种新的偶联反应提出了一个非链自由基芳烃取代（Homolytic Aromatic Substitution，简称HAS）型机制，基于底物范围...
CoupleNet
dekiang
10-21 661
目录1. Motivation2. CoupleNet2.1 整体结构2.2 Normalization2.3 Coupling strategy 论文：CoupleNet: Coupling Global Structure with Local Parts for Object Detection 来源：ICCV 2017 1. Motivation R-FCN使用位置敏感得分图（ position-sensitive score maps）实现共享计算，提高了目标检测速度，但是，R-FCN的PSRo
COPLE-Net:COVID-19肺炎病变分割网络
03-08
COPLE-Net：COVID-19肺炎病变分割网络 该存储库提供了由G. Wang等人[1]提出的用于COVID-19肺炎病变分割的COPLE-Net的源代码和预训练模型。 如果您使用此代码或预先训练的模型，请引用以下文章： [1] G. Wang，X。Liu，C。Li，Z。Xu，Ran J. Ruan，H。Zhu，M。Meng，K。Li，N。Huang，S。Zhang。 IEEE医学影像交易。 2020年 ： 细分示例。 （a）一片CT量。 （b）通过COPLE-Net（绿色）与地面真实情况（橙色）进行细分。 （c）3D可视化。 COPLE-Net的结构。 它采用最大池化和平均池化的组合来减少下采样期间的信息丢失，并使用桥接层来减轻编码器和解码器的特征之间的语义鸿沟。 瓶颈处使用ASPP块，以更好地处理多种规模的病变。 数据集 基于此项目，我们还发布了名为UESTC-COVID
目标检测系列：couplenet
qq_39068872的博客
03-23 571
论文链接：CoupleNet: Coupling Global Structure with Local Parts for Object Detection 文章目录1.Introduction2.CoupleNet2.1网络结构3.实验总结 1.Introduction 本文算是RFCN的一个改进方法，RFCN提出在目标检测中引入位置敏感得分图，去除了ROIPooling后不共享的部分，在速度...
论文阅读-《Objects as context for part detection》
yj_isee的博客
04-17 1280
Abel Gonzalez-Garcia arxiv 28/3/2017Abstract本文提出了一种利用object context信息的part detection的方法。作者主要用到了三种object-level的信息：object class–object appearance–relative location of parts in objects 其中object class以及ob
Object Detection目标检测全面总结--重要
cym1990的专栏
12-11 7622
原地址：https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html Object Detection  Published: 09 Oct 2015  Category: deep_learning Jump to... Papers R-CNNFast R-CNNFas
目标检测分割--BlitzNet: A Real-Time Deep Network for Scene Understanding
AI小作坊 的博客
08-25 4665
BlitzNet: A Real-Time Deep Network for Scene Understanding ICCV2017 Project: http://thoth.inrialpes.fr/research/blitznet/ Code: https://github.com/dvornikita/blitznet本文在 SSD 基础上改进提出 BlitzNet，使其
目标检测--Object Detection via Aspect Ratio and Context Aware
AI小作坊 的博客
03-30 1880
Object Detection via Aspect Ratio and Context Aware Region-based Convolutional Networkshttps://arxiv.org/abs/1612.00534本文针对目标检测问题在 R-FCN基础上提出了 ARC-RCNN，主要改进是使用了Aspect Ratio 和 Context 这两个信息。 通过增加计算量来提升
Couple GAN论文笔记
weixin_44317648的博客
12-28 1682
论文link: https://arxiv.org/abs/1606.07536 儲備知識點： marginal distributions：边缘分布 指的是由两个以上样本空间时，只考虑其中某一事件个别发生概率，称为边缘分布。 joint distributions：联合分布 指的是两个以上事件都发生的概率 conditional distributions：条件分布 指的是在...
论文阅读笔记--FCN
进击的小白
06-02 178
FCN算是目前众多图像分割论文的基础了，决定重新好好读一遍理解思想， 占坑
PSPNet模型源码解析
mieleizhi0522的博客
11-27 2990
from __future__ import print_function from math import ceil from keras import layers from keras.layers import Conv2D, MaxPooling2D, AveragePooling2D from keras.layers import BatchNormalization, Activ...
第一性原理揭示VO2金属-绝缘相变：电-声耦合的关键
论文发表在《南通大学学报（自然科学版）》上，被归类于物理学领域，使用了中图分类号O469，文献标志码A，文章编号1673-2340（2012）01-0073-05，表明这是一篇严谨的科研论文，对于理解金属-绝缘相变的物理化学基础...
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