学习资源

Paddle官方教程: 《AI快车道PaddleDetection – 课节4: 闪电版目标检测算法PP-PicoDet》
PicoDet论文: PP-PicoDet: A Better Real-Time Object Detector on Mobile Devices
关键点视频也需要学习一下；

1 模型介绍

论文阅读笔记：《PicoDet论文译读笔记》
模型类型: Anchor-Free
关于PicoDet的整体描述，我觉得可以参照VFNet论文对这类模型的介绍：

[VFNet Paper]: Another type of anchor-free detectors are similar to anchor-based one-stage methods, but they remove the usage of anchor boxes. Instead, they classify each point on the feature pyramids [25_FPN] into foreground classes or background, and directly predict the distances from the foreground point to the four sides of the ground-truth bounding box, to produce the detection. Popular methods include DenseBox [26_DenseBox], FASF [27_FASF], FoveaBox [15_FoveaBox], FCOS [9_FCOS], and SPAD [28_SPAD].

技术一览表：

名称	cfg
参数初始化	KaimingNormal
Loss	lossvfl+2⋅lossgiou+0.25⋅lossdflloss_{vfl}+2\cdot loss_{giou} + 0.25\cdot loss_{dfl}lossvfl+2⋅lossgiou+0.25⋅lossdfl

2 损失函数

首先，来看看loss函数的整体公式：
loss=lossvfl+2⋅lossgiou+0.25⋅lossdflloss = loss_{vfl}+2\cdot loss_{giou} + 0.25\cdot loss_{dfl} loss=lossvfl+2⋅lossgiou+0.25⋅lossdfl
其中，
lossvflloss_{vfl}lossvfl：Varifocal Loss。
lossgiouloss_{giou}lossgiou：GIoU Loss。
lossdflloss_{dfl}lossdfl：Distribution Focal Loss。

2.1 Varifocal Loss —— 分类损失

Varifocal Loss是在VarifocalNet[paper]中提出的；
（关于VarifocalNet论文，请参见《【CVPR 2021】VarifocalNet: An IoU-aware Dense Object Detector的译读笔记》）
请参考《mmdetection最小复刻版(十六)：iou感知VarifocalNet深入分析》；

2.2 GIoU Loss —— 回归损失

用来回归边界框的坐标值；

2.3 Distribution Focal Loss —— 分类损失

Distribution Focal Loss出自论文《Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection》；
参考资料：

关于论文译读，请参见《【NIPS2020】Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense…译读笔记》；
关于论文作者知乎解读，请参考《大白话 Generalized Focal Loss》；

DFLoss代码实现：

Paddle实现：[ppdet/DistributionFocalLoss]
Torch实现：[mmdet/DistributionFocalLoss]

我看了一下PaddleDetection的实现跟MMDetection的实现几乎是一样的；

PicoDet的学习笔记相关推荐

《南溪的目标检测学习笔记》——夏侯南溪的CNN调参笔记，加油
1 致谢感谢赵老师的教导! 感谢张老师的指导! 2 调参目标在COCO数据集上获得mAP>=10.0的模型,现在PaddleDetection上的Anchor-Free模型[TTFNet]的 ...
PyTorch 学习笔记（六）：PyTorch hook 和关于 PyTorch backward 过程的理解 call
您的位置首页 PyTorch 学习笔记系列 PyTorch 学习笔记(六):PyTorch hook 和关于 PyTorch backward 过程的理解发布: 2017年8月4日 7,195阅读 ...
容器云原生DevOps学习笔记——第三期：从零搭建CI/CD系统标准化交付流程
暑期实习期间,所在的技术中台-效能研发团队规划设计并结合公司开源协同实现符合DevOps理念的研发工具平台,实现研发过程自动化.标准化: 实习期间对DevOps的理解一直懵懵懂懂,最近观看了阿里专家带 ...
容器云原生DevOps学习笔记——第二期：如何快速高质量的应用容器化迁移
暑期实习期间,所在的技术中台-效能研发团队规划设计并结合公司开源协同实现符合DevOps理念的研发工具平台,实现研发过程自动化.标准化: 实习期间对DevOps的理解一直懵懵懂懂,最近观看了阿里专家带 ...
2020年Yann Lecun深度学习笔记（下）
2020年Yann Lecun深度学习笔记(下)
2020年Yann Lecun深度学习笔记（上）
2020年Yann Lecun深度学习笔记(上)
知识图谱学习笔记（1）
知识图谱学习笔记第一部分,包含RDF介绍,以及Jena RDF API使用知识图谱的基石:RDF RDF(Resource Description Framework),即资源描述框架,其本质是一个 ...
计算机基础知识第十讲,计算机文化基础（第十讲）学习笔记
计算机文化基础(第十讲)学习笔记采样和量化PictureElement Pixel(像素)(链接: 采样的实质就是要用多少点(这个点我们叫像素)来描述一张图像,比如,一幅420x570的图像,就表示 ...
Go 学习推荐 —（Go by example 中文版、Go 构建 Web 应用、Go 学习笔记、Golang常见错误、Go 语言四十二章经、Go 语言高级编程）
Go by example 中文版 Go 构建 Web 应用 Go 学习笔记:无痕 Go 标准库中文文档 Golang开发新手常犯的50个错误 50 Shades of Go: Traps, Gotc ...

PicoDet的学习笔记