本文作者将当前表现最好的分类器Residual-101和SSD进行了结合,并为SSD+Residual-101添加了额外的降卷积层以引入大尺度的context用于提高目标检测的精度,尤其是小目标。DSSD又叫做deconvolutional single shot detector。虽然这两种贡献容易在高层上表达,但是简单的配置是不会成功的。相反,作者展示谨慎的添加额外的学习转换阶段,具体是一个在降采样中用于前馈链接的模块和一个新的输出模块,以实现这种新的方法并且未更进一步的研究提供一种潜在的方法。DSSD实现了当前最好的精度。

结构如下:

作者用Residual-101替代了VGG,并且为每个预测层添加了residual block。额外添加的降采样层成功的增加了特征图的分辨率。采用了hourglass module中的跳跃思想,虽然hourglass module中的编码和解码阶段都有同性质的图层,但是作者尽可能的降低了解码阶段的长度,以便于提高检测的速度。这种降卷积的模型是受到了Pinheiro等人的启发,他们认为这样的模块对于提炼的网络有着和更复杂的结构相同的精度,并且效率更高。

结论:作者对当前表现最好的目标检测框架添加了额外的上下文信息,尽管我们希望发现更高效的方法来结合从编码器和解码器中提取的特征,我们的模型在仍然在PASCAL voc 和COCO上实现了当前最好的检测精度。DSSD在小目标或者特殊的语义目标的检测上比之前的SSD更好。

DSSD(Deconvolutional Single Shot Detector)相关推荐

  1. 【每日一网】Day30:DSSD(Deconvolutional Single Shot Detector)简单理解

    DSSD:Deconvolutional Single Shot Detector 算法背景 本文的主要贡献在于将上下文索引和残差网络加到了SSD算法中,然后在反卷积层上增加SSD和residual- ...

  2. DSSD : Deconvolutional Single Shot Detector论文阅读笔记

    文章目录 DSSD : Deconvolutional Single Shot Detector论文阅读笔记2017 Abstract 1. Introduction 2. Related Work ...

  3. DSSD: Deconvolutional Single Shot Detector

    转自:https://blog.csdn.net/yaoqi_isee/article/details/73277398 论文地址:DSSD : Deconvolutional Single Shot ...

  4. DSSD : Deconvolutional Single Shot Detector

    参考  DSSD : Deconvolutional Single Shot Detector - 云+社区 - 腾讯云 目录 一.简介 二.相关工作 三.反卷积的单阶段检测器DSSD 3.1.SSD ...

  5. [转]SSD:Single Shot Detector详解

    Review: SSD - Single Shot Detector (Object Detection) This time, SSD (Single Shot Detector) is revie ...

  6. DSLR(digital single lens reflex)

    扫盲 DSLR,为digital single lens reflex的缩写,直译就是数码.单.镜头.反射,也就是俗称的单反相机了. 因为经常会有一些文章直接以此缩写行文,比较容易蒙住人,所以有必要了 ...

  7. 论文阅读:SSD: Single Shot MultiBox Detector

    原址:https://blog.csdn.net/u010167269/article/details/52563573  Preface 这是今年 ECCV 2016 的一篇文章,是 UNC Cha ...

  8. SSD( Single Shot MultiBox Detector)关键源码解析

    SSD(SSD: Single Shot MultiBox Detector)是采用单个深度神经网络模型实现目标检测和识别的方法.如图0-1所示,该方法是综合了Faster R-CNN的anchor ...

  9. SSD: Single Shot MultiBox Detector 之再阅读

    SSD: Single Shot MultiBox Detector SSD 一句话就是速度快,效果好! 第一版 8 Dec 2015,第二版是30 Mar 2016 主要改进是内容更加详实,实验更加 ...

最新文章

  1. python如何绘制曲线图_python怎么画曲线图
  2. php插入成功数据不显示,PHP插入数据不成功,什么原因呢?
  3. 【Linux系统编程】进程同步与互斥:POSIX有名信号量
  4. Java SE 11:推动Java向前发展
  5. Retrofit网络请求框架使用简析——Android网络请求框架(四)
  6. 万能广告促销海报,找不到灵感也不怕
  7. EXCEL VLOOKUP函数的使用
  8. linux程序执行时内存情况
  9. java代码取出EXCEL表数据并画折线图
  10. 使用Selenium爬取淘宝商品
  11. 偏微分方程离散化matlab,[数学]偏微分方程的离散化方法4.ppt
  12. 计算机提示无法找到启动盘,怎么解决进入系统启动项窗口找不到U盘启动项-电脑自学网...
  13. 3D模型欣赏:《magician》次时代 美女 精灵
  14. 如何向中级程序员转变
  15. cf - 1457C - Bouncing Ball - ( dp )
  16. 缺失值处理,你真的会了吗?
  17. laravel中artisan工具(命令)的使用详解
  18. [bzoj4372]烁烁的游戏
  19. created和mounted的区别
  20. 阅文集团面经(PHP后端开发实习)

热门文章

  1. 超级码力在线编程大赛初赛 第3场 1.最大公倍数
  2. 正负数原码、反码、补码以及位运算
  3. About 不以物喜 不以己悲
  4. CentOS集群上安装Ganglia-3.6.1监控
  5. 当地图与绘画结合,竟然能迸发出这样的精彩
  6. python Re模块学习
  7. 部署MooseFS分布式文件系统
  8. linux怎么让普通用户拥有管理员权限
  9. 连年亏损的企业可以申报国家高新技术企业吗?
  10. matplotlib、numpy、pandas知识