【论文阅读】DetectoRS|Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolution
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
- 【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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- [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 ...
- 【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
- 约瑟夫环 猴子选大王
- C++知识点总结(纯C++!!)
- 采集网站特殊文件Meta信息
- 【模糊数学】模糊逻辑,隶属度,模糊逻辑应用,模糊推理过程
- 部署SCCM 2012R2之一:了解功能篇
- 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
- vue生命周期探究(一)
- android 代码 升级rom,ROM之家简析:Android手机系统怎么升级
- 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
- 12 个提高JavaScript编码效率的 NPM 技巧
- Markdown--表格语法
- Django-2- 模板路径查找,模板变量,模板过滤器,静态文件引用
- HibernateEHCache –Hibernate二级缓存
- CDQ分治题目泛做(WYD第二轮)
- 深入理解深度学习——Item Embedding
- 微信会员卡管理系统会员充值说明
- 数学笔记——导数1(导数的基本概念)
- 计算机网络复习(部分)
- 利用机器学习算法挖掘群控网络黑产设备
- 淘宝 直通车 _h python源码