Retinanet论文解读
目录
摘要
1.引言
2.相关工作
3. 焦点损失
3.1、平衡交叉熵
3.3. 类不平衡与模型初始化
3.4.类不平衡和两级检测器
4. Retina探测器
4.1 推理和训练
5. 实验
5.1、训练密集检测
5.2.模型架构设计
5.3.与最先进技术的比较
6.结论
参考文献略
相关阅读推荐:
论文地址:
https://arxiv.org/pdf/1708.02002.pdf
代码:
原论文给的代码地址是:GitHub - facebookresearch/Detectron: FAIR's research platform for object detection research, implementing popular algorithms like Mask R-CNN and RetinaNet.
我推荐:
yhenon/pytorch-retinanet: Pytorch implementation of RetinaNet object detection. (github.com)
图 1. 我们提出了一种新的损失,我们称之为 Focal Loss,它在标准交叉熵标准中添加了一个因子 (1 - p t ) 的γ次方。设置 γ > 0 可减少分类良好的示例的相对损失(p t > .5),将更多注意力放在难分类的错误示例上。正如我们的实验将证明的那样,所提出的焦点损失能够在存在大量简单背景示例的情况下训练高度准确的密集对象检测器。
图 2. COCO 测试的速度 (ms) 与准确度 (AP) - dev。通过焦点损失,我们简单的一级 Retina Net 检测器优于所有以前的一级和二级检测器,包括来自 [20] 的最佳报道的 Faster R-CNN [28] 系统。我们展示了 Res Net - 50 - FPN(蓝色圆圈)和 Res Net - 101 - FPN(橙色菱形)在五个尺度(400 - 800 像素)的 Retina Net 变体。忽略低精度状态(AP<25),Retina Net 形成所有当前检测器的上包络,改进的变体(未显示)达到 40.8 AP。第 5 节中给出了详细信息。
【思考
Retinanet论文解读相关推荐
- bsp模型适用于图计算_【论文解读】目标检测之RFBnet模型
原创声明:本文为 SIGAI 原创文章,仅供个人学习使用,未经允许,不能用于商业目的. 其它机器学习.深度学习算法的全面系统讲解可以阅读<机器学习-原理.算法与应用>,清华大学出版社,雷明 ...
- 论文解读 Receptive Field Block Net for Accurate and Fast Object Detection
其它机器学习.深度学习算法的全面系统讲解可以阅读<机器学习-原理.算法与应用>,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造. 书的购买链接 书的勘误,优化,源代码资源 PDF全 ...
- CVPR2021 | 2D目标检测论文解读
CVPR2021 | 2D目标检测论文解读 1. UP-DETR:--<UP-DETR: Unsupervised Pre-training for Object Detection with ...
- 论文解读:DETR 《End-to-end object detection with transformers》,ECCV 2020
论文解读:DETR <End-to-end object detection with transformers>,ECCV 2020 0. 论文基本信息 1. 论文解决的问题 2. 论文 ...
- 自监督学习(Self-Supervised Learning)多篇论文解读(下)
自监督学习(Self-Supervised Learning)多篇论文解读(下) 之前的研究思路主要是设计各种各样的pretext任务,比如patch相对位置预测.旋转预测.灰度图片上色.视频帧排序等 ...
- 自监督学习(Self-Supervised Learning)多篇论文解读(上)
自监督学习(Self-Supervised Learning)多篇论文解读(上) 前言 Supervised deep learning由于需要大量标注信息,同时之前大量的研究已经解决了许多问题.所以 ...
- 可视化反投射:坍塌尺寸的概率恢复:ICCV9论文解读
可视化反投射:坍塌尺寸的概率恢复:ICCV9论文解读 Visual Deprojection: Probabilistic Recovery of Collapsed Dimensions 论文链接: ...
- 从单一图像中提取文档图像:ICCV2019论文解读
从单一图像中提取文档图像:ICCV2019论文解读 DewarpNet: Single-Image Document Unwarping With Stacked 3D and 2D Regressi ...
- 点云配准的端到端深度神经网络:ICCV2019论文解读
点云配准的端到端深度神经网络:ICCV2019论文解读 DeepVCP: An End-to-End Deep Neural Network for Point Cloud Registration ...
- 图像分类:CVPR2020论文解读
图像分类:CVPR2020论文解读 Towards Robust Image Classification Using Sequential Attention Models 论文链接:https:// ...
最新文章
- [导入]ASP.NET断点续传和多线程下载
- IO复用之select、poll、epoll模型
- delphi中griddata控件写入float数值_年中巨献!明道云发布多项重磅功能
- 4 转推流格式_网络互联互通直播系统 分会场直播一体机 各地连线直播推流
- 数据结构(C语言版 第2版严蔚敏版)完整课后习题答案汇总
- solidworks图纸模板添加_「solidworks工程图模板」solidworks怎么添加置工程图模板? - seo实验室...
- dft频谱泄漏matlab,对于DFT频谱泄漏问题的研究
- Anciety 0CTF/TCTF 2018 总结
- 人工智能时代已经到来,政务工业商业等各领域都将是刚需
- 人工智能——文本分类(大作业必备)
- python批量计算cosine distance
- VUE前端二级部门联动下拉菜单
- postman预处理/前置条件Pre-request
- llvm libLLVMCore源码分析 05 - Instruction Class
- 大一学生网页课程作业 南京介绍网页设计 学生家乡网页设计作品静态 HTML网页模板源码 html我的家乡网页作业
- gitlab打tag标签
- TCMalloc 安装和使用
- LinuxC进程编程
- win7安装ubuntu后无法启动的解决方法
- linux设置网卡为桥接模式,设置网卡桥接模式
热门文章
- 基于局域网的超简易即时通讯软件(一)
- 腾讯低代码平台正式开源:可拖拽生成手机、PC等项目-接私活福利啊
- SylixOS---Attach 到进程调试方法
- 常用的卫星公司数据查询(包括SPOT、QuickBird、Worldview、IKONOS、GF等)
- Win11如何更改屏幕刷新率?Win11更改屏幕刷新率的方法
- 计算机屏幕刷新频率,屏幕刷新率多少合适,教您电脑屏幕刷新率多少合适
- H3C路由器清空ARP表
- 荣耀8桌面添加计算机,华为荣耀手机如何添加快捷开关到快捷功能界面中
- Android 设计模式之二:MVP模式与MVC模式 .
- markdown java代码块 语法_MarkDown 语法详解