不全，待补充

主要框架：

分析解释这个框图：

M2Det主要是有三部分组成，主干网络、MLFPN(muli-level 的FPN、以及预测层。

其中主干网络是用两个尺度进行特征提取。将这两个尺度的特征合并输入到MLFPN中

MLFPN则由三部分组成，FFM、TUM、SFAM。

FFM

FFMv1是对主干网中提取出来的内容进行合并，得到base feature。

FFMv2是用来整合TUM中最后一层的特征和basefeature整合在一块送入下一个TUM中。

在base feature的基础上做TUM，这里解释啥是TUM？

TUM

编码器是一系列的步长为2，卷积核为3*3的Conv，解码器将这些output作为生成feature map的参考。在解码器分支上采样和element-wise后，添加1x1卷积层，以增强学习能力，并保持特征的平滑性

每个TUM结构中的所有输出都形成当前level的多尺度特性。从整体上看，堆叠的TUMs输出形成多层次的多尺度特征，而前面的TUM主要提供浅层特征，中间的TUM提供中层特征，后面的TUM提供深层特征。

看M2Det的图，感觉TUM是把feature map变小了之后又变大了，但是论文里面的解释我只看到：把feature map进行多次卷积然后得到了多个scale 的feature map，没看出来有放大的过程。不明白是怎么回事……

SFAM

把在TUM中得到的多种特征按照不同的scale进行contact，得到尺度丰富的feature map，完了你就可以去做分类和检测了。

但细节上是把SFAM分成两部分了，第一部分是把相同的尺度进行连接。第二部分做了智能处理，用channel-wise模块，鼓励特性将注意力集中较为重要的通道上。使用SENet模型。

M2Det的学习过程相关推荐

目标检测中如何定义正负样本，和正负样本在学习过程中loss计算起的作用
如何定义正负样本,和正负样本在学习过程中loss计算起的作用正负样本定义分类和回归head如何学习和利用划分后的正负样本(loss如何计算) 正负样本在分类中loss计算的处理正样本在bbox ...
dubbo学习过程、使用经验分享及实现原理简单介绍
一.前言部门去年年中开始各种改造,第一步是模块服务化,这边初选dubbo试用在一些非重要模块上,慢慢引入到一些稍微重要的功能上,半年时间,学习过程及线上使用遇到的些问题在此总结下. 整理这篇文章差不 ...
用反向传播算法解释大脑学习过程？Hinton 等人新研究登上 Nature 子刊
机器之心报道魔王.Jamin.杜伟反向传播可以解释大脑学习吗?近日 Hinton 等人的研究认为,尽管大脑可能未实现字面形式的反向传播,但是反向传播的部分特征与理解大脑中的学习具备很强的关联性.该 ...
小孩子如何学会语言？科学家使用计算机模型解释儿童语言学习过程
来源:学术头条本文约2500字,建议阅读5分钟本文介绍了小孩学会语言的过程以及科学家如何依托计算机程序对其进行预测. 人类的交流能力可谓是动物王国中其他物种所无与伦比的,语言允许人们以独特的方式进行 ...
心得丨走过最长的路，就是机器学习过程中的弯路
营长的一位转型AI的朋友,最近对营长抱怨,"走过的最远的路,就是机器学习过程中的弯路",然后开始各种blablabla,从论文的坑,到模型的坑,再到培训的坑...一路吐槽. 尤其是 ...
linux 学习过程中的坑之 find 正则表达式
1 标准的正则表示式格式 . 表示任意单个字符 * 表示任意次数 + 表示1次或1次以上 {3} 表示精确匹配次数为3次 {n,m}表示n次到m 次之间 ^ 行首锚定 $行尾锚定 \< 单词首 ...
使用React、Node.js、MongoDB、Socket.IO开发一个角色投票应用的学习过程（一）
这几篇都是我原来首发在 segmentfault 上的地址:https://segmentfault.com/a/1190000005040834 突然想起来我这个博客冷落了好多年了,也该更新一下,呵 ...
GraphQL学习过程应该是这样的
记录一个从枯燥学习 GraphQL 的过程,到发现项目 Gitter,模仿项目 Github-Trending-API,最后做一个自己的学习项目 Github-Trending-GraphQL. 一开 ...
Refresh your Java skills–面对Java学习过程中的一些迷茫
原文出自:https://muyinchen.github.io/2017/11/14/Refresh%20your%20Java%20skills–面对Java学习过程中的一些迷茫/ 很多时候,我们 ...
DL之DNN优化技术：自定义MultiLayerNetExtend算法(BN层使用/不使用+权重初始值不同)对Mnist数据集训练评估学习过程
DL之DNN优化技术:自定义MultiLayerNetExtend算法(BN层使用/不使用+权重初始值不同)对Mnist数据集训练评估学习过程目录输出结果设计思路核心代码更多输出相关文章: ...

M2Det的学习过程

不全，待补充

主要框架：

FFM

TUM

SFAM

M2Det的学习过程相关推荐

最新文章

热门文章