目标检测中bbox回归中class-agnostic和class-specific的区别在哪？

2024-06-16 01:15:32

目标检测中bbox回归中class-agnostic和class-specific的区别在哪？

（本文取自知乎问答，仅作个人学习收藏使用,文末有参考链接）

明显是网络预测的object 类别数目不同。class-specific 方式，很多地方也称作class-aware的检测，是早期Faster RCNN等众多算法采用的方式。它利用每一个RoI特征回归出所有类别的bbox坐标，最后根据classification 结果索引到对应类别的box输出。这种方式对于ms coco有80类前景的数据集来说，并不算效率高的做法。class-agnostic 方式只回归2类bounding box，即前景和背景，结合每个box在classification 网络中对应着所有类别的得分，以及检测阈值条件，就可以得到图片中所有类别的检测结果。当然，这种方式最终不同类别的检测结果，可能包含同一个前景框，但实际对精度的影响不算很大，最重要的是大幅减少了bbox回归参数量。

For a class-aware detector, if you feed it an image, it will return a set of bounding boxes, each box associated with the class of the object inside (i.e. dog, cat, car). It means that by the time the detector finished detecting, it knows what type of object was detected.For class-agnostic detector, it detects a bunch of objects without knowing what class they belong to. To put it simply, they only detect “foreground” objects. Foreground is a broad term, but usually it is a set that contains all specific classes we want to find in an image, i.e. foreground = {cat, dog, car, airplane, …}. Since it doesn’t know the class of the object it detected, we call it class-agnostic.

参考链接：link

目标检测中bbox回归中class-agnostic和class-specific的区别在哪？相关推荐

目标检测中bbox回归中class-agnostic和class-specific的区别
明显是网络预测的object 类别数目不同. class-specific 方式,很多地方也称作class-aware的检测,是早期Faster RCNN等众多算法采用的方式.它利用每一个RoI特征回 ...
CV：基于Keras利用训练好的hdf5模型进行目标检测实现输出模型中的脸部表情或性别的gradcam(可视化)
CV:基于Keras利用训练好的hdf5模型进行目标检测实现输出模型中的脸部表情或性别的gradcam(可视化) 目录设计思路核心代码设计思路核心代码 #CV:基于keras利用训练好的hdf ...
深度学习目标检测在实际场景中的应用（附源代码）
关注并星标从此不迷路计算机视觉研究院公众号ID|ComputerVisionGzq 学习群|扫码在主页获取加入方式计算机视觉研究院专栏作者:Edison_G 目标检测是现在最热门的研究课题, ...
如何把2d目标检测的bbox转化到现实世界坐标系的？
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达编辑:3D视觉工坊 https://www.zhihu.com/question/394814665/ ...
【目标检测系列】CNN中的目标多尺度处理方法
关注上方"深度学习技术前沿",选择"星标公众号", 技术干货,第一时间送达! [导读]本篇博文我们一起来讨论总结一下目标检测任务中用来处理目标多尺度的一些算法. ...
yolov3 指定gpu_GPU端到端目标检测YOLOV3全过程（中）
GPU端到端目标检测YOLOV3全过程(中) 计算机视觉初级部分知识体系总结了一下自己在图像点(pixel值)运算 1. 直方图: 2. 线性/非线性变换: 3. 灰度均衡化/规定化: 4.H-S ...
目标检测YOLO实战应用案例100讲-智能目标检测系统在FPGA中的设计与实现
目录基于FPGA的目标检测系统的设计与实现深度学习硬件加速技术研究现状相关理论与技术概述
图像分类、目标检测、语义分割、实例分割和全景分割的区别
1.Image Classification(图像分类) 图像分类(下图左)就是对图像判断出所属的分类,比如在学习分类中数据集有人(person).羊(sheep).狗(dog)和猫(cat)四种,图 ...
目标检测--将xml文件中标签（矩形框）在其原图片上显示并另存
""" 目的:将原图片(img)与其xml(xml),合成为打标记的图片(labelled),矩形框标记用红色即可已有:(1)原图片文件夹(imgs_path),(2) ...

最新文章

热门文章