图像金字塔、特征金字塔(FPN)
图像金字塔
参考:
https://www.jianshu.com/p/436e96200f80
图像金字塔是图像多尺度表达的一种,是一种以多分辨率来解释图像的有效但概念简单的结构。一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低,且来源于同一张原始图的图像集合。其通过梯次向下采样获得,直到达到某个终止条件才停止采样。我们将一层一层的图像比喻成金字塔,层级越高,则图像越小,分辨率越低。
在OpenCV中,有关图像金字塔的操作有pyrup()和pyrdown(),分别用来完成上采样和下采样,其实在OpenCV中有关于图片缩放的更直接的函数,即resize()。
图像金字塔分为两类:高斯图像金字塔和拉普拉斯图像金字塔
高斯金字塔是通过高斯平滑(用高斯函数生成的核进行滤波)和亚采样(通过对进行过高斯平滑处理的图像进行隔行隔列采样而得到)获得一些列下采样图像,也就是说第K层高斯金字塔通过平滑、亚采样就可以获得K+1层高斯图像,每层是按从下到上编号的。
高斯金字塔的上采样和下采样是非线性处理,是不可逆的有损处理,因此,如果下采样后的图像想还原回原来的尺寸的话会丢失很多信息,使图片变得模糊,为了解决这个问题,需要提前保存因下采样而造成的缺失信息,拉普拉斯金字塔可以近似地做到这一点。
FPN
参考:
https://zhuanlan.zhihu.com/p/92005927
为解决目标检测在处理多尺度变化问题时的不足,现在的很多网络都使用了利用单个高层特征(比如说Faster R-CNN利用下采样四倍的卷积层——Conv4,进行后续的物体的分类和bounding box的回归),但是这样做有一个明显的缺陷,即小物体本身具有的像素信息较少,在下采样的过程中极易被丢失,为了处理这种物体大小差异十分明显的检测问题,经典的方法是利用图像金字塔的方式进行多尺度变化增强,但这样会带来极大的计算量。所以提出了特征金字塔的网络结构,能在增加极小的计算量的情况下,处理好物体检测中的多尺度变化问题。
特征金字塔 Feature Pyramid Networks
为了解决之前三种结构的不足之处,这篇论文提出了FPN,即使每一层不同尺度的特征图都具有较强的语义信息。
这种网络结构,能够在增加较少计算量的前提下融合低分辨率语义信息较强的特征图和高分辨率语义信息较弱但空间信息丰富的特征图。
其实在这篇论文之前,也有人提到得出一张既具有高分辨率又具有较强语义信息的特征图进行预测,但FPN的独特之处在于,它是在以特征金字塔为基础结构上,对每一层级的特征图分别进行预测。
图像金字塔、特征金字塔(FPN)相关推荐
- 性能超FPN!北大、阿里等提多层特征金字塔网络
作者 | Qijie Zhao等 编译 | 李杰 出品 | AI科技大本营(ID:rgznai100) 特征金字塔网络具有处理不同物体尺度变化的能力,因此被广泛应用到one-stage目标检测网络(如 ...
- 计算机视觉FPN: 特征金字塔网络
向AI转型的程序员都关注了这个号???????????? 机器学习AI算法工程 公众号:datayx FPN:feature pyramid networks for object detecti ...
- 深度学习阅读导航 | 04 FPN:基于特征金字塔网络的目标检测
写在前面:大家好!我是[AI 菌],一枚爱弹吉他的程序员.我热爱AI.热爱分享.热爱开源! 这博客是我对学习的一点总结与记录.如果您也对 深度学习.机器视觉.算法.Python.C++ 感兴趣,可以关 ...
- FPN (特征金字塔) 的原理和代码
文章结构 1. 为什么会使用金字塔式的representation以及它存在的问题. 2. 原理和特点. 3. 如何基于resnet实现(思路). 4. 小总结 1. 为什么会使用金字塔式的repre ...
- 关于FPN(特征金字塔网络)层间融合的理解
FPN层间融合的个人理解 Feature Pyramid Networks for Object Detection 论文链接: https://arxiv.org/abs/1612.03144. 盗 ...
- AI大视觉(六) | 特征金字塔(FPN)如何进行特征融合?
本文来自公众号"AI大道理". 这里既有AI,又有生活大道理,无数渺小的思考填满了一生. 在深度学习的很多工作中(例如目标检测.图像分割),融合不同尺度的特征是提高性能的一个重要手 ...
- 【CV】FPN:用于目标检测的特征金字塔网络
论文名称:Feature Pyramid Networks for Object Detection 论文下载:https://arxiv.org/abs/1612.03144 论文年份:2016 论 ...
- 特征金字塔(FPN)
特征金字塔(FPN) 主要内容 FPN结构 自下而上的途径 自上向下的路径和横向连接 论文:<Feature Pyramid Networks for Object Detection> ...
- 【深度学习】FPN(特征金字塔)简介:Feature Pyramid Networks for Object Detection
[深度学习]FPN(特征金字塔):Feature Pyramid Networks for Object Detection 提示:博主取舍了很多大佬的博文并亲测有效,分享笔记邀大家共同学习讨论 博文 ...
最新文章
- CCNA课堂练习二:路由协议EIGRP简单介绍与配置
- 通过operator部署redis集群(ucloud版)
- python 参数收集_Python参数传递及收集机制原理解析
- 国二python考试系统_分享自己的国二python经历
- Eclipse的版本、下载网址和安装
- html 手机端可以选择复制粘贴,js移动端实现网站内容复制粘贴功能
- apple tv 开发_如何将蓝牙耳机连接到Apple TV
- 玩转Redis-8种数据淘汰策略及近似LRU、LFU原理
- kali-top10-Nmap
- Python办公系列--Python创建Excel工作簿
- 安信实验室呼吁键盘厂商申请windows徽标认证(WHQL)
- Packet Tracer - 配置扩展 ACL - 场景 1
- 使用c++/winrt API获取RGB相机视频流
- 为什么黑客都用Linux系统?原来是这四大原因
- Kaggle - Home Depot Product Search Relevance 基础篇
- 架构简析| 一种自动探索Minecraft的智能体
- unity3d 直接播放mp3
- 基于ThinkPHP6+Layui通用后台管理框架
- YOLOV5遇见问题及解决
- 迭代一感想总结 - 赵雷彧
热门文章
- 走Java道路怎么样,如何学习
- python集成环境pydev如何使用_Eclipse+PyDev环境搭建
- 计算机找不到 bitlocker,win10中找不到bitlocker驱动器的解决方法介绍
- java 引用其他类_java如何调用其他类中的方法?
- OpenGL---GLUT教程(五) GLUT键盘控制
- win10去除广告弹窗的有效方法
- heidisql使用的注意事项
- SuperSlide-v2.1.1
- 音频基础知识-PCM、AAC
- WT588F02KD-24SS语音芯片(数码管显示驱动ic)在多功能烧水壶的应用设计方案