SOLD2算法之3: 特征点与heatmap结合检测有效线段（CVPR 2021)

input image:[1, 1, H, W]，经过backbone net后为[1, 256, H/4, W/4]

heatmap_decoder用于检测出线段的heatmap

先看heatmap_decoder，它的结构如下
conv 3x3, s=1, p=1
pixelShuffel(2)
这个block出现2次，然后接一个conv 1x1
PixelShuffel起了重要的上采样及改变channel的作用。

backbone net出来的channel=256被两个pixelShuffel(2)变换后channel=16,再经过conv1x1，最终heatmap的channel为2，即黑白两通道，[1, 2, H, W]。
这个heatmap对dim=1求softmax, 只取channel=1通道，shape变换为[H, W]

现在已经得到了topk=300个的特征点[300, 2]，线段的heatmap [H, W]，现在要把它们结合起来检测图像中的线段。

1）heatmap refine
首先，要把heatmap给refine一下，为什么呢，因为有的地方值很小，会显得很弱；
要把整体的值给调整到[0, 1]，当然这不是简单的归一化，直接归一化还是面临值小的地方很弱的问题。
源码中是以block为单位处理的，把H，W分成20个block这样的思想

SOLD2算法之3: 特征点与heatmap结合检测有效线段（CVPR 2021)相关推荐

深度学习核心技术精讲100篇（五十四）-阿里文娱多模态视频分类算法中的特征改进
前言类目体系是视频网站运营中的重要工具,也是推荐算法中提升冷启效果的重要手段.因此一套设计合理.准确率.覆盖率高的基础类目必不可少.阿里文娱类目体系建设团队与运营.审核一起建立的一二级类目体系,目前 ...
利用RANSAC算法筛选SIFT特征匹配
关于RANSAC算法的基本思想,可从网上搜索找到,这里只是RANSAC用于SIFT特征匹配筛选时的一些说明. RANSAC算法在SIFT特征筛选中的主要流程是: (1) 从样本集中随机抽选一个RANS ...
ML之LightGBM：基于titanic数据集利用LightGBM和shap算法实现数据特征的可解释性(量化特征对模型贡献度得分)
ML之LightGBM:基于titanic数据集利用LightGBM和shap算法实现数据特征的可解释性(量化特征对模型贡献度得分) 目录基于titanic数据集利用LightGBM和shap算法实 ...
ML之xgboost：利用xgboost算法(自带,特征重要性可视化+且作为阈值训练模型)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测)
ML之xgboost:利用xgboost算法(自带,特征重要性可视化+且作为阈值训练模型)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测) 目录输出结果 ...
层与特征融合_【计算机系统应用】（第122期）感受野特征增强的 SSD 目标检测算法...
点击上方"蓝字",关注我们吧! 目标检测是计算机视觉领域的一项重要任务, 是生活中如实例分割[1] , 面部分析[2] , 汽车自动驾驶[3].视频分析[4] 等各种视觉应用的 ...
[转载] Python之使用K-Means算法聚类消费行为特征数据分析（异常点检测）
参考链接: 在Python中使用K-Means聚类分析测试数据源数据(这里仅展示10行): 程序: #-*- coding: utf-8 -*- #使用K-Means算法聚类消费行为特征数据 imp ...
MATLAB光谱特征波长提取,uve算法提取光谱特征波长
uve算法提取光谱特征波长 matlab 2021-1-15 下载地址 https://www.codedown123.com/60098.html uve算法提取光谱特征波长,matlab例程,结合 ...
ML之PFI(eli5)：基于mpg汽车油耗数据集利用RF随机森林算法和PFI置换特征重要性算法实现模型特征可解释性排序
ML之PFI(eli5):基于mpg汽车油耗数据集利用RF随机森林算法和PFI置换特征重要性算法实现模型特征可解释性排序目录基于mpg数据集利用RF随机森林算法和PFI置换特征重要性算法实现模型特 ...
[时间序列预测]基于BP、LSTM、CNN-LSTM神经网络算法的单特征用电负荷预测[保姆级手把手教学]
系列文章目录深度学习原理-----线性回归+梯度下降法深度学习原理-----逻辑回归算法深度学习原理-----全连接神经网络深度学习原理-----卷积神经网络深度学习原理-----循环神经网 ...
ML之FE：机器学习算法/数据挖掘中特征选取(变量筛选)的简介、常用方法(单变量分析并筛选—Filter/Wrapper/Embedded、多变量间相关性分析并筛选—PCC/MIC/IV)之详细攻略
ML之FE:机器学习算法/数据挖掘中特征选取(变量筛选)的简介.常用方法(单变量分析并筛选-Filter/Wrapper/Embedded.多变量间相关性分析并筛选-PCC/MIC/IV)之详细攻略 ...

SOLD2算法之3: 特征点与heatmap结合检测有效线段（CVPR 2021)

SOLD2算法之3: 特征点与heatmap结合检测有效线段（CVPR 2021)相关推荐

最新文章

热门文章