题目:DetectoRS:Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolution
作者:Siyuan Qiao Liang-Chieh Chen Alan Yuille

Motivation:
作者看到很多目标检测的网络都采用looking and thinking twice 的机制,然后作者也想来爽一把,于是乎牛逼的DetectoRS问世了。

Methods:
本文主要体现looking and thinking twice的思想,主要在两个方面:

1)RFP,Recursive Feature Pyramid



其中反向整合ASPP如下图:

最后FUSION的方式:

2)SAC,Switchable Atrous Convolution
可切换的空洞卷积比较容易理解,就像做了下个开关,然后选择是一般卷积还是空洞卷积。而作者具体的做法是采用AvgPool(5x5)+Conv(1x1)的形式做为选择方式 ,我觉得像是一个注意力机制的选择方式。

Experiment:
还是不多说,直接上图。效果很不错,谢谢作者的做贡献。

【完结】

【论文阅读】DetectoRS|Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolution相关推荐

  1. 【论文笔记】:DetectoRS: Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolution

    &Title DetectoRS: Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolu ...

  2. DetectoRS: Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolution 论文笔记

    前言 本文分别从宏观和微观角度对目标检测模型的backbone进行设计,进而提出DetectorRS, 在宏观上,提出递归特征金字塔(Recursive Feature Pyramid,RFP),它是 ...

  3. DetectoRS: Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolution论文学习

    Abstract 很多的目标检测器通过 looking and thinking twice 的方式实现了惊人的表现.本文作者针对目标检测主干网络的设计,研究了该机制.在宏观层面,作者提出了递归特征金 ...

  4. 论文导读:DetectoRS: Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolution

    论文导读:DetectoRS: Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolution A ...

  5. DetectoRS-最强目标检测网络 54.7AP | Detecting Objects with Recursive Feature Pyramid and Switchable Atrous

    最新目标检测论文,从检测的骨干网络设计出发(最近基于backbone的修改,貌似更有效!同比的由SCNet),效果直接SOTA! 论文地址:https://arxiv.org/pdf/2006.023 ...

  6. ECCV2018 | 论文阅读CornerNet: Detecting Objects as Paired Keypoints

    CornerNet论文阅读--CornerNet: Detecting Objects as Paired Keypoints 文章目录 CornerNet论文阅读--CornerNet: Detec ...

  7. 论文阅读 ACNet: Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric Convolution Blocks

    论文阅读 ACNet: Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric Convolution Blocks 前言 ...

  8. [HSI论文阅读] | HybridSN: Exploring 3-D–2-D CNN Feature Hierarchy for Hyperspectral Image Classification

    仅整理个人和组里对下文引用的论文(HybridSN)的学习所获,如有错误,感谢指正~ 更新记录 ⭐️ 2021.3.6 -- 关于本文2.2.2节卷积层参数的计算 ⭐️ 2021.3.8 -- Hyb ...

  9. 【论文阅读】Detecting concurrency memory corruption vulnerabilities

    Detecting concurrency memory corruption vulnerabilities 现状 在多线程执行中会出现内存损坏的漏洞,在该篇论文称之为并发性漏洞.由于非确定性的多线 ...

最新文章

  1. 约瑟夫环 猴子选大王
  2. C++知识点总结(纯C++!!)
  3. 采集网站特殊文件Meta信息
  4. 【模糊数学】模糊逻辑,隶属度,模糊逻辑应用,模糊推理过程
  5. 部署SCCM 2012R2之一:了解功能篇
  6. 解决‘C:\Program‘ 不是内部或外部命令,也不是可运行的程序或批处理文件
  7. vue生命周期探究(一)
  8. android 代码 升级rom,ROM之家简析:Android手机系统怎么升级
  9. 指数级暴增、复杂场景下,揭秘百度云原生湖仓架构等系列数据产品
  10. 12 个提高JavaScript编码效率的 NPM 技巧
  11. Markdown--表格语法
  12. Django-2- 模板路径查找,模板变量,模板过滤器,静态文件引用
  13. HibernateEHCache –Hibernate二级缓存
  14. CDQ分治题目泛做(WYD第二轮)
  15. 深入理解深度学习——Item Embedding
  16. 微信会员卡管理系统会员充值说明
  17. 数学笔记——导数1(导数的基本概念)
  18. 计算机网络复习(部分)
  19. 利用机器学习算法挖掘群控网络黑产设备
  20. 淘宝 直通车 _h python源码

热门文章

  1. 【最近抖音上元宇宙虚拟项目猜歌名,互动无人直播游戏源代码解析】
  2. 转转“战略失焦” 粗放的流量打法为何不吃香了?
  3. 英语语法的介词省略现象
  4. 【Heydrones】飞手百科第二篇:最实用的无人机操控要点
  5. CMOS: NAND电压传输特性
  6. 一种VS设置中文编码格式的方式
  7. java 计算两个日期之间的差的天数
  8. 使用Windows自带画图工具修改图片大小
  9. c语言中的指数位,c语言的指数符号
  10. 网线福禄克测试仪多少db符合规范要求