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

ConventionalSSDvs. theproposedRainbowSSD(R-SSD)

feature concatenation

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

The number of channels in each convolution layer are set to be 2 to 8 times larger than the original network

不同尺寸的目标检测精度

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

目标检测论文阅读：Multi-scale Location-aware Kernel Representation for Object Detection（CVPR2018）
Multi-scale Location-aware Kernel Representation for Object Detection 论文链接:https://arxiv.org/abs/180 ...
目标检测--RON: Reverse Connection with Objectness Prior Networks for Object Detection
RON: Reverse Connection with Objectness Prior Networks for Object Detection CVPR2017 https://github. ...
显著性目标检测之Global Context-Aware Progressive Aggregation Network for Salient Object Detection
Global Context-Aware Progressive Aggregation Network for Salient Object Detection 文章目录 Global Contex ...
【目标检测 DeformableDETR】通俗理解 DEFORMABLE TRANSFORMERS FOR END-TO-END OBJECT DETECTION，值得一看。
文章目录 DeformableDETR 1. 引言 1.1 E to E 1.2 远近高低各不同 1.3 先CNN,在DETR 1.4 DETR未解决的问题 2. 背景知识 2.1 NMS 2.2 t ...
【目标检测论文阅读笔记】Feature-Enhanced CenterNet for Small Object Detection in Remote Sensing Images
Abstract: 与 anchor-based基于锚点的检测器相比,anchor-free无锚点检测器具有灵活性和较低计算复杂度的优点.然而,在复杂的遥感场景中,受限的几何尺寸.目标的弱特征以及 ...
CVPR2020-SEPC-单阶段目标检测提升4个点 | Scale-Equalizing Pyramid Convolution for Object Detection
启发应该是来源于SIFT中高斯金字塔带来的尺度不变性.论文出来很久了,感觉的确创新点很强,效果也是爆炸! 论文地址:http://openaccess.thecvf.com/content_CVPR_ ...
【论文阅读】【三维目标检测】VoteNet：Deep Hough Voting for 3D Object Detection in Point Clouds
文章目录 Hough Voting VoteNet 网络结构 Voting in Point Clouds Object Proposal and Classification from Votes ...
【CVPR 2022】高分辨率小目标检测：Cascaded Sparse Query for Accelerating High-Resolution Smal Object Detection
QueryDet: Cascaded Sparse Query for Accelerating High-Resolution Small Object Detection 摘要: 动机: 实现: ...
【目标检测】36、OTA: Optimal Transport Assignment for Object Detection
文章目录一.背景二.方法 2.1 Optimal Transport 2.2 OT for label assignment 2.3 Center prior 2.4 Dynamic k Esti ...

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

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

最新文章

热门文章