目标检测--Enhancement of SSD by concatenating feature maps for object detection

Enhancement of SSD by concatenating feature maps for object detection
BMVC 2017

本文是对SSD 的改进,通过牺牲一点速度来提高精度,主要解决SSD 两个问题:1)同一目标多次检测,2)小目标检测率不高
改进的地方:
1)将不同尺度的 特征图 融合起来;
2)增加 feature pyramid 网络层的特征图数量;
3)因为不同尺度特征图数量一样,可以对不同尺度特征图使用一个分类器

SSD 不同尺度的特征图是独立的,没有联系起来,导致同一目标在不同尺度上都被检测出来,进而导致同一目标多次检测

这里写图片描述

这里写图片描述

ConventionalSSDvs. theproposedRainbowSSD(R-SSD)
这里写图片描述

feature concatenation
这里写图片描述
这里介绍了三种特征图融合的方式:
1) pooling, 从前往后增加特征图,归一化尺寸
2) 借鉴图像分割中的 deconvolution, 从后往前增加特征图,归一化尺寸
3)本文的 Rainbow concatenation=pooling+deconvolution,这样每一个尺度的特征图数量都是一样的,这就导致后面可以使用一个分类器在不同尺度上检测
By using a single classifier, improvement on the generalization performance can be expected, and it can be effectively used for datasets with size
imbalance or for small datasets.

Increasing number of channels
这里写图片描述
The number of channels in each convolution layer are set to be 2 to 8 times larger than the original network

这里写图片描述

不同尺寸的目标检测精度
这里写图片描述

这里写图片描述

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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