Dynamic Head :Unifying Object Detection Heads with Attentions
Dynamic Head :Unifying Object Detection Heads with Attentions
作者针对目标检测中通过backbone提取特征金字塔后的输出后,会形成最基本的这种情况RL×H×W×C\R^{L\times H\times W\times C}RL×H×W×C,其中L代表金字塔输有多少层特征图,H和W代表特征图的高和宽,C代表特征图的通道.本文提出的就是分别在每一个维度上都分别应用注意力,然后进行嵌套堆砌,用公式表示为如下
Scale-aware Attention
基于语义的重要程度动态的融合不同尺度的特征
即在一层上进行空间和通道上面的全部求和,然后进行(1*1)卷积(相当于一个线性函数),最后进行σ\sigmaσ函数操作(相当于一个hard-sigmoid 函数).
Spatial-aware Attention 这部分作者说的很不详细,需要看一下代码.
在尺度注意的基础上,通过使用可变形卷积对位置的重要性进行学习
其中K是稀疏采样点的数量,Δpk是学习到到偏移位置,Δmk是自学习到的在pk的重要性标量K是稀疏采样点的数量,\Delta p_k是学习到到偏移位置,\Delta m_k是自学习到的在p_k的重要性标量K是稀疏采样点的数量,Δpk是学习到到偏移位置,Δmk是自学习到的在pk的重要性标量
Task-aware Attention
动态的开关特征通道来有利于不同的任务的学习.
θ函数首先通过池化变成C∗1的向量,然后进行两层fc中间加一个激活函数后变成四个,这四个值通过偏移sigmoid归一化后变成(−1,1)的范围,再和(1,0,0,0)想加后得到最终的α1α2β1β2再通过上面的max函数来控制每一个通道的输出\theta 函数首先通过池化变成C*1的向量,然后进行两层fc中间加一个激活函数后变成四个,\\ 这四个值通过偏移sigmoid归一化后变成(-1,1)的范围,\\再和(1,0,0,0)想加后得到最终的\alpha_1\alpha_2\beta_1\beta_2再通过上面的max函数来控制每一个通道的输出θ函数首先通过池化变成C∗1的向量,然后进行两层fc中间加一个激活函数后变成四个,这四个值通过偏移sigmoid归一化后变成(−1,1)的范围,再和(1,0,0,0)想加后得到最终的α1α2β1β2再通过上面的max函数来控制每一个通道的输出
下面是整体的应用
Dynamic Head :Unifying Object Detection Heads with Attentions相关推荐
- Dynamic Head: Unifying Object Detection Heads with Attentions
Dynamic Head 论文标题:Dynamic Head: Unifying Object Detection Heads with Attentions 论文地址:https://arxiv.o ...
- Dynamic Head: Unifying Object Detection Heads with Attentions论文阅读
Dynamic Head: Unifying Object Detection Heads with Attentions论文阅读 摘要 介绍 相关工作 方法 Dynamic Head 扩展到现存的检 ...
- Dynamic Head Unifying Object Detection Heads with Attentions 论文阅读笔记
Dynamic Head Unifying Object Detection Heads with Attentions论文阅读笔记 这是微软在CVPR2021发表的文章,在coco数据集上取得了目前 ...
- Dynamic Head: Unifying Object Detection Heads with Attentions 阅读
Abstract 这里就是说在目标检测领域,很多工作都想提高检测头的性能,这篇文章提出了动态头,也就是Dynamic Head,来将检测头和注意力(Attention)结合.在尺度(scale-awa ...
- 【目标检测】61、Dynamic Head Unifying Object Detection Heads with Attentions
文章目录 一.背景 二.方法 2.1 scale-aware attention 2.2 spatial-aware attention 2.3 task-aware attention 2.4 总体 ...
- 目标检测之Dynamic Head: Unifying Object Detection Heads with Attentions
cvpr2021 论文:https://arxiv.org/pdf/2106.08322v1.pdf 代码:https://github.com/microsoft/DynamicHead 1.摘要 ...
- CVPR 2021 Object Detection
一. 关于3D有26篇: 3DIoUMatch: Leveraging IoU Prediction for Semi-Supervised 3D Object Detection ST3D: Sel ...
- DenseBox: Unifying Landmark Localization with End to End Object Detection
DenseBox: Unifying Landmark Localization with End to End Object Detection arxiv: http://arxiv.org/ab ...
- DAL(Dynamic Anchor Learning for Arbitrary-Oriented Object Detection)
遥感第二篇读了DAL,也是本校自动化专业前辈的工作.本篇也是参考了其自己的博客用于学习和总结,附上链接.个人认为这篇的流畅程度+严谨程度要胜过S2ANet. 总体理解 S2ANet从网络结构入手,主要 ...
最新文章
- 【廖雪峰python入门笔记】list_倒序访问
- Pandas中map,applymap和apply方法之间的区别
- 机器学习工作流程第一步:如何用Python做数据准备?
- Drupal8系列(五):主题制作之搭建框架-Ubuntu 14.04 LTS
- select2 ajax demo,Select2下拉框示例
- 【Python】统计字符串里某个字符或子字符串出现的次数
- linux case if for语法
- HTML与CSS(图解6):超链接
- keepass2Android密码,Keepass2Android密码管理(快速解锁密码)
- NeurIPS 2020 | Glance and Focus: 通用、高效的神经网络自适应推理框架
- lisp语言画阿基米德线_【R语言】如何将照片快速转换为素描
- 本地计算机上的mysql服务怎么注册,本地计算机上的mysql服务启动后中止
- 新疆师范大学计算机科学学院,新疆师范大学王炜教授亲临计科学院讲学——记计算机科学学院研究生院...
- GDAL使用插件方式编译HDF4、HDF5以及NetCDF的bug修改
- python中if brthon环境安装包_python-debian/test.deb.uu at master · romlok/python-debian · GitHub...
- Android通过Chrome Inspect调试WebView的H5 App出现空白页面的解决方法(不需要FQ)
- Excel统计某一列的直方图
- 如何学习并上手SQL语言?
- 发那科机器人点位编辑_发那科机器人指令编辑详细介绍
- 对IEEE 802.15.4中Slotted CSMA-CA的理解