Feature-Fused SSD: Fast Detection for Small Objects

本文针对小目标检测问题,对 SSD 模型进行了一个小的改进,将 contextual information 引入到 SSD 中 帮助SSD检测小目标。


contextual information 对于小目标的检测 重要性是不言而喻的。小目标在图像中 limited resolution and information,只能借助其周边信息了。

Feature-fused SSD architecture

这里主要还是讲不通尺度的特征图信息融合起来。

Which layers to combine? 但是具体融合哪个卷积层的特征图了

Because of SSD predicting small objects with its shallower layers,所以我们不用对应大目标的 deeper layers
For choosing the proper feature fusion layers, effective receptive fields in different layers are explored with deconvolution method
对应上图中的小船,SSD中的 conv4_3 对应的 effective receptive field 是最合适的。 其他层的特征都不是很好

shallower layers 具有 contextual information ,但是它们没有 sematic information,deeper layers 具有 sematic information,所以我们需要将这两类信息融合起来。这里我们尝试了两种融合策略。
concatenation module and element-sum module

3.2 Concatenation Module

3.3 Element-Sum Module

4 Experimental Resultis
Detection results of different fusion layers

Detection results of different number of kernels

Results on PASCAL VOC2007 test set (with IOU=0.5)

The running time illustration of different models

快速小目标检测--Feature-Fused SSD: Fast Detection for Small Objects相关推荐

  1. 深度学习【54】物体检测:Feature-Fused SSD: Fast Detection for Small Objects

    论文的思路比价简单,本身论文写的也简单,这里也就简单记录一下. 论文的思路是使用高层的特征图来加强低层特征图的语义信息,以增加小物体检测精度.具体如下图: 至于为什么使用conv5和conv4,论文也 ...

  2. 2021年小目标检测最新研究综述 很全面值得收藏

    摘要 小目标检测长期以来是计算机视觉中的一个难点和研究热点.在深度学习的驱动下,小目标检测已取得了重大突破,并成功应用于国防安全.智能交通和工业自动化等领域.为了进一步促进小目标检测的发展,本文对小目 ...

  3. 人工智能 | 增强小目标检测(Augmentation for small object detection)

    博主github:https://github.com/MichaelBeechan 博主CSDN:https://blog.csdn.net/u011344545 Augmentation for ...

  4. concat特征融合_小目标检测文献相关(特征融合)

    1.Feature-Fused SSD: Fast Detection for Small Objects (ICGIP2017) 融合特征的SSD [1709.05054] Feature-Fuse ...

  5. 【目标检测】小目标检测问题及解决方法

    本部分主要节选自 <Augmentation for small object detection>. 针对目标检测中的小目标问题,主要有以下几种解决方法: (1) 增加输入图片分辨率 [ ...

  6. 【文献阅读】小目标检测综述:挑战,技术和数据集(M. MUZAMMUL等人,ACM,2021)

    一.文章概况     文章题目:<A Survey on Deep Domain Adaptation and Tiny Object Detection Challenges, Techniq ...

  7. 小目标检测相关技巧总结

    点击上方"AI算法与图像处理",选择加"星标"或"置顶" 重磅干货,第一时间送达 转载自简书,仅用于学习交流,如有侵权请联系删除 编辑:Ch ...

  8. 基于并行附加特征提取网络的SSD地面小目标检测模型

    人工智能技术与咨询 来源:<电子学报> ,作者李宝奇等 摘 要: 针对SSD原始附加特征提取网络(Original Additional Feature Extraction Networ ...

  9. 基于改进SSD的车辆小目标检测方法

    基于改进SSD的车辆小目标检测方法 人工智能技术与咨询 来源:<应用光学>,作者李小宁等 摘 要:地面车辆目标检测问题中由于目标尺寸较小,目标外观信息较少,且易受背景干扰等的原因,较难精确 ...

最新文章

  1. linux内核引入模块机制,Linux内核设备驱动之Linux内核模块加载机制笔记整理
  2. 【手机游戏开发优化篇】详解手游[体积]及[运行内存]的优化篇!
  3. Unknown custom element: xxx
  4. 【要闻】Kubernetes无用论诞生、Elasticsearch 7.6.2 发布
  5. C++实现有向图最短路径-Dijkstra单源最短路径算法
  6. springboot中文语音识别_【记录】语音识别软件包、代码示例、数据集汇集
  7. “嘿,我们又见面了!”
  8. Makefile知识点
  9. css图片上面加文字透明,CSS实现文字半透明显示在图片上方法
  10. EasyNVR调16分屏播放ws-flv内存溢出导致浏览器崩溃问题的解决
  11. 【教学类-10-01】20221025《空心图案4*2-有重复》( 随机图案拼贴)(大班主题《动物花花衣》)
  12. macos蓝牙驱动和wifi驱动名称_win7蓝牙装不上?别急着捣鼓驱动软件啦!可能是硬件问题!...
  13. 请不用条件转移指令JG,JGE,JL,JLE等指令实现如下程序片段的功能
  14. VSCode已经设置过为中文但变成英文的解决办法
  15. 互联网医疗的定义及架构
  16. Echarts 图表不能渲染问题整理
  17. finally块的正确使用
  18. ListBox美化重绘,不积硅步无以至千里
  19. 计算机专业在哪里盖章好,电子印章-什么是电子印章?是不是用软件在电脑上排好然 – 手机爱问...
  20. 西门子s7-400闭环控制模块_西门子PLC模块CPU1517

热门文章

  1. 浮点数在计算机中的表示
  2. Science | 机器学习揭示了构建人造蛋白质的秘诀
  3. Ubuntu 对比 CentOS 后该如何选择?
  4. 高级转录组分析和R数据可视化第11期(报名线上课还可免费参加线下课2020.6)
  5. R语言进行dataframe数据内连接(Inner join):使用R原生方法、data.table、dplyr等方案
  6. pandas使用fillna函数并设置bfill参数使用列中的后序值填充缺失值
  7. pandas基于条件判断更新dataframe中特定数据列数值内容的值(Conditionally updating values in specific pandas Dataframe )
  8. Python中pandas检查dataframe中是否包含某个字段、或者数据列实战、检查dataframe中是否包含某个字段集合
  9. Python使用matplotlib或者Seaborn箱图(boxplot)可视化时汉语(中文)标签显示成了框框□□、什么情况、我们有解决方案。
  10. UnicodeEncodeError: ‘latin-1‘ codec can‘t encode characters in position: ordinal not in range(256)