Anchor-free的目标检测文章
参考:https://mp.weixin.qq.com/s/eOGkafUE6papKHCpbYrwqQ
一个同行大神的总结:https://blog.csdn.net/qiu931110/article/details/89430747
原文名为:重磅!13篇基于Anchor free的目标检测方法,这里我只介绍我觉得比较有用的文章和算法
13篇基于Anchor free的目标检测论文列表,后面是我赛筛选其中比较重要的部分,内容没做太多改动。
UnitBox: An Advanced Object Detection Network
Densebox
Yolo-1
CornerNet
ExtremeNet
FSAF: Feature Selective Anchor-Free
FCOS: Fully Convolutional One-Stage
FoveaBox
Center and Scale Prediction: A Box-free Approach for Object Detection
Region Proposal by Guided Anchoring(GA-RPN)
CenterNet: Objects as Points
CenterNet: Keypoint Triplets for Object Detection
CornerNet-Lite: Efficient Keypoint Based Object Detection
UnitBox: An Advanced Object Detection Network
贡献点:把回归的的loss从smoothL1改成IOU loss,我记得它的motivation比较哲理性:我们的目标和我们的行动应该一致,既然我们看性能时是看通过IOU计算,那我们loss应该直接和IOU相关。
CornerNet: Detecting Objects as Paired Keypoints
CornerNet是2018 ECCV oral 文章,引领基于关键点的目标检测算法,后面好多文章都是certerNet和centerNet-lite都是基于这篇文章做的优化。
把检测目标框变成一对关键点的问题,即左上角和右下角,这样就消除了锚框的设计麻烦。另外,采用的角点池化(corner pooling)技术帮助CNN更好地定位角点位置。 下图给出了系统流程图:CNN模型输出两个关键点的各自热图(heatmap),同时各跟一个嵌入向量。同一个目标的角点,训练后的神经网络会预测类似的嵌入。
下图是定位的角点池化技术:每个特征图通道沿着两个方向取最大值,然后求和。文章提出的corner pooling:
FSAF: Feature Selective Anchor-Free Module
主要思想:基于特征金字塔网络(feature pyramid structure,FPN)的在线特征选择能力, 在训练时可以动态分配每个实例到最适合的特征层,在推理时能够和带锚的模块分支一起工作,最后并行地输出预测。
我看了这篇文章作者的报告,他说大家都以为他这篇文章的主要贡献在anchor-free而,实际anchor-free的概念早在yolo1就提出来了,这篇文章的主要贡献在与特征选择的设计,选择loss最小的特征。
FCOS: Fully Convolutional One-Stage Object Detection
相关解读:FCOS
arXiv: https://arxiv.org/abs/1904.01355
有基于pytorch的开源代码:
github: https://github.com/tianzhi0549/FCOS
主要思想:是分割,不需要锚框也不需要区域提议。 这样,避免了锚框在模型训练中涉及的重叠计算和性能敏感的参数设计环。
FCOS中定义了一个新损失函数“中心度(centerness)”,如下图( 红和蓝对应 1 和 0, 其他颜色位于其中)。
在分类分支引入中心度的概念:
CenterNet: Object Detection with Keypoint Triplets
相关解读:CenterNet
主要思想:基于前面提到的CornerNet,检测目标变成三个关键点的估计(a triplet of keypoints)。
架构图:一个核心网络执行级联角点池化(cascade corner pooling)和中心点池化(center pooling ),输出两个角点热图和一个中心关键点热图;和CornerNet类似,一对检测的角点和嵌入用来检测潜在目标框;然后检测的中心关键点确定最终的框位置。
基于pytorch开源代码:github:https://github.com/Duankaiwen/CenterNet
论文链接:https://arxiv.org/abs/1904.08189
Center and Scale Prediction: A Box-free Approach for Object Detection
主要思想是:目标中心点,语义抽象。
目标检测变成一个直接的中心和尺度预测。最后卷积有两个通道,一个是关于中心位置的热图,另一个是中心的尺度图。
这篇文章的代码我试过,稍微改一下就能训练。但是是基于keras的,而且多卡并行一直没调好。
Anchor-free的目标检测文章相关推荐
- 汇总|3D目标检测文章(CVPR2020)
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 前言 今年CVPR20-paper-list前几天已经出了,所以这里做一点大致的综述介绍在CVPR20 ...
- 【论文汇总】2D目标检测文章汇总,持续更新
记录自己比较感兴趣的2D目标检测文章 分类 1.模型架构相关 2.YOLO系列 3.分类与回归不一致问题 4.标签分配 5.DETR系列 6.知识蒸馏 7.FPN相关 8.小目标检测系列 9.数据增强 ...
- 最新3D目标检测文章汇总(包含ECCV20和ACMMM20)
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 前言 3D目标检测在ECCV20的文章中呈现依旧火热的研究趋势,本文对目前笔者看到过的ECCV20和A ...
- 目标检测_目标检测 | Anchor free的目标检测进阶版本
今天说的是<Soft Anchor-Point Object Detection>,其也是最近关于anchor free的目标检测的论文,作者来自于CMU,一作同样也是FSAF(2019 ...
- 计算机视觉算法——基于Anchor Free的目标检测网络总结
计算机视觉算法--基于Anchor Free的目标检测网络总结 计算机视觉算法--基于Anchor Free的目标检测网络总结 1. CornerNet 1.1 关键知识点--网络结构及特点 1.2 ...
- ECCV2020 Spotlight | CPN:Anchor Free,Two-stage目标检测
来自 | 知乎 作者 | 小马哥 链接 | https://zhuanlan.zhihu.com/p/156891289 编辑 | 深度学习这件小事公众号 本文仅作学术交流,如有侵权,请联系后台删除 ...
- CVPR2022目标检测文章汇总+创新点简要分析
大概总结了一下CVPR2022目标检测领域的文章,并未包括跨域和3D目标检测. 个人总结,难免有疏漏,大家参考一下就好. CVPR 2022 一.常规目标检测 1. MViTv2: Improved ...
- 13篇基于Anchor free的目标检测方法
内容简介:作者 | 黄浴 本文转载自:http://mp.weixin.qq.com/s?__biz=MzI5MDUyMDIxNA==&mid=2247489025&idx=2& ...
- 科普:目标检测Anchor是什么?怎么科学设置?[附代码]
文章来源于AIZOO,作者元峰 在基于anchor的目标检测网络(Faster RCNN.SSD.YOLO v2&v3等)中,一个至关重要的步骤就是科学的设置anchor,可以说,Anchor ...
最新文章
- 混沌分形之逻辑斯蒂(Logistic)映射系统
- 夯实基础——P2084 进制转换
- 基于git的工作流程
- web框架 http协议
- 学习 ASP.NET MVC (第五回)理论篇
- Java自定义Annotation方法
- 【业界分享】字节跳动如何用 7 年,成为腾讯最可怕的对手?张一鸣一语道破...
- C语言经典算法100例-021-猴子吃桃问题
- 推荐WordPress 必备的常用插件及插件功能介绍
- C盘爆满原来是腾讯电脑管家惹的祸
- 【概率论】4-3:方差(Variance)
- 用安装包修复服务器,修复服务器
- 2、SpringBoot接口Http协议开发实战8节课(7-8)
- kettle实例(获取企业微信打卡数据并将数据入库)
- C++ QT加载字体,以及iconfont使用
- 复仇者联盟4影评数据分析
- 变革时代来临 IT人需早做准备
- mysql中top命令详解_top命令详解
- k8s使用statefulset部署mysql一主多从集群
- 视频监控对接GB/T28181国标平台
热门文章
- BRIEF描述子原理、 python源码实现及基于opencv实现
- 耿明雨出席2021深圳国际珠宝展览会
- python+vue校园足球联赛管理系统django源码
- 游戏随机地图生成方法
- 计算机课gif,信息技术五年级下册第7课 认识GIF动画教学设计及反思
- C语言 输入成绩按成绩输出等级
- PCL点云库必备知识点4——pointcloud2消息格式的转换
- Semantic Segmentation--SegNet:A Deep Convolutional Encoder-Decoder Architecture..论文解读
- 爬虫实例之豆瓣电影排行榜
- 虚拟服务器怎么突破磁盘2t,创建一个拥有超过2T数据盘的Windows虚拟机