目标检测--RON: Reverse Connection with Objectness Prior Networks for Object Detection
RON: Reverse Connection with Objectness Prior Networks for Object Detection
CVPR2017
https://github.com/taokong/RON
本文可以看作是对 SSD 的改进, SSD 对不同尺度特征图进行独立的检测,这里我们 reverse connection block 将相邻的特征图联系起来。同时使用 objectness prior 来有效降低目标的搜索空间。
3 Network Architecture
我们使用 VGG16 作为基础模型, VGG16有13个卷积层,3个全连接层,这里我们将 第 14,15 全连接层变为卷积层,使用一个2×2卷积核 步长为2 来降采样 FC7 的尺寸。用于检测的特征图尺寸分布为输入图像尺寸的 1/8 (conv 4 3), 1/16 (conv 5 3), 1/32 (conv 6) and 1/64 (conv 7)
RON object detection overview
3.1. Reverse Connection
怎么把相邻的特征图联系起来了?我们提出了一个 reverse connection block 来解决这个问题。 相邻的特征图尺寸差异通过 deconv 反卷积来消除
3.2. Reference Boxes
这里我们对每个尺度的特征图使用 2 scales and 5 aspect ratios 的 default boxes,
aspect ratios { 1/3,1/2, 1, 2,3}
3.3. Objectness Prior
针对 正负样本比例严重失调, the ratio between object and non-object samples is seriously imbalanced,这里我们使用 Objectness Prior 来过滤大部分负样本
3.4. Detection and Bounding Box Regression
A=10个 Reference Boxes
inception block 我们使用了一个比较简单的结构
3.5. Combining Objectness Prior with Detection
经过 objectness prior 过滤,只有很少一部分样本进行 back-propagation
4 Training and Testing
4.1. Loss Function
损失函数包括三个子损失函数: objectness prior,矩形框坐标,物体类别
其中α =β =1/3
4.2. Joint Training and Testing
Data augmentation :flipped,Randomly sampling a patch
Detection results on PASCAL VOC 2007 test set
Results on PASCAL VOC 2012 test set
MS COCO test-dev2015 detection results
6.1. Do Multiple Layers Help?
low resolution 384×384 input size,With 1.5G GPU memory at test phase, the speed of the network is 15 FPS, 3× faster than the Faster R-CNN counterpart
目标检测--RON: Reverse Connection with Objectness Prior Networks for Object Detection相关推荐
- 目标检测之RPN网络(Feature Pyramid Networks for Object Detection)
最近读了几篇WSDN的文章,有一篇的paper用到了RPN网络的一些思想,因此去拜读一下RPN这篇paper.这篇paper的attribution就是取长补短的思想,在卷积神经网络中,网络层数越浅, ...
- 【目标检测】36、OTA: Optimal Transport Assignment for Object Detection
文章目录 一.背景 二.方法 2.1 Optimal Transport 2.2 OT for label assignment 2.3 Center prior 2.4 Dynamic k Esti ...
- 目标检测--Enhancement of SSD by concatenating feature maps for object detection
Enhancement of SSD by concatenating feature maps for object detection BMVC 2017 本文是对SSD 的改进,通过牺牲一点速度 ...
- 两阶段3D目标检测网络 SIENet: Spatial Information Enhancement Network for 3D Object Detection from Point Cloud
本文介绍一篇两阶段的3D目标检测网络:SIENet. 这里重点是理解本文提出的 Hybrid-Paradigm Region Proposal Network 和 Spatial Informatio ...
- 目标检测论文阅读:Multi-scale Location-aware Kernel Representation for Object Detection(CVPR2018)
Multi-scale Location-aware Kernel Representation for Object Detection 论文链接:https://arxiv.org/abs/180 ...
- CVPR2020-SEPC-单阶段目标检测提升4个点 | Scale-Equalizing Pyramid Convolution for Object Detection
启发应该是来源于SIFT中高斯金字塔带来的尺度不变性.论文出来很久了,感觉的确创新点很强,效果也是爆炸! 论文地址:http://openaccess.thecvf.com/content_CVPR_ ...
- 显著性目标检测之Global Context-Aware Progressive Aggregation Network for Salient Object Detection
Global Context-Aware Progressive Aggregation Network for Salient Object Detection 文章目录 Global Contex ...
- 【论文阅读】【三维目标检测】VoteNet:Deep Hough Voting for 3D Object Detection in Point Clouds
文章目录 Hough Voting VoteNet 网络结构 Voting in Point Clouds Object Proposal and Classification from Votes ...
- 【CVPR 2022】高分辨率小目标检测:Cascaded Sparse Query for Accelerating High-Resolution Smal Object Detection
QueryDet: Cascaded Sparse Query for Accelerating High-Resolution Small Object Detection 摘要: 动机: 实现: ...
最新文章
- JSTL 读取数组 和 字符串连接
- 对Linux内核中进程上下文和中断上下文的理解
- [控件] TranformFadeView
- JDBC的CRUD操作之PreparedStatement的删除操作
- Apache Sentry架构介绍
- Microsoft WPF VS Adobe Apollo
- VHDL设计脉搏计的课程设计
- P2947-[USACO09MAR]向右看齐Look Up【单调栈】
- java final const_Java 中的final 和C++ 中的const 有什么区别?
- 使用ubuntu的新立德下载和安装的Eclipse无法在其help菜单中连接并安装ADT
- 在集设浏览学习高水准海报设计,会带给你不一样的灵感!
- html关机命令,自动关机命令 定时关机命令
- 搭建nginx服务器
- .net web 应用程序C#
- 2015最新移动App设计尺寸视觉规范【图文版】(转)
- CodeFroces GYM 2016-2017 ACM-ICPC, Egyptian Collegiate Programming Contest (ECPC 16) B.street(最短路)
- css3软键盘不盖住输入框的方法
- JAVA 实现语音播报
- 无需PS,这些工具也能轻松更换寸照底色
- Ubuntu16.04安装联想LJ2600D打印机驱动程序
热门文章
- eclipse导入Spring框架
- 2.JS执行上下文和变量对象
- html float作用,CSS float相关详解
- linux 本机内存型号,linux怎么看存储空间型号
- boost::unorder_map如何插入元素_「React」如何在React中优雅的实现动画
- 重磅福利!60篇近两年高影响因子环境污染微生态相关文献合集免费领取
- 17日南土所蒋瑀霁报告:红壤团聚体尺度养分转化的生物学过程(线虫-微生物互作机制)...
- Nature:采用甘露糖苷选择性抑制尿路致病性大肠杆菌
- R语言完美重现STAMP结果图
- 有了易生信,导师再也不用担心我的单细胞转录组整合分析啦