[论文笔记] ASFD 阅读笔记
ASFD 阅读笔记
- ASFD: Automatic and Scalable Face Detector(Arxiv 2022)
- 动机
- 解决方案
- 问题分析
- Feature Aggregation(FA)
- Feature Enhancement(FE)
- 方法
- AutoFA
- AutoFE
- Search Strategy of AutoFA and AutoFE
- Auto Model Scaling
- 实验结果
- 问题
ASFD: Automatic and Scalable Face Detector(Arxiv 2022)
论文链接:论文链接
代码链接:未开源
动机
- 问题:传统特征融合与增强模块(FAE)性能由于COCO和WIDER数据集在域上的差异,因此在人脸识别方面表现的性能不佳
- 贡献:
- 从本质上分析了数据分布的影响
- 提出了一个differentiable的AutoFAE模块用于人脸检测
- 简要分析:
- Fig.2(a)是对 传统FAE模块 的定量分析,将它们应用于人脸域时性能显著下降
- Fig.2(b)和(c ),WIDER数据集中人脸的尺度小、单张图片中目标多;
- 所以设计人脸检测器有以下原则:使用浅层特征、NMS前后保留更多结果
解决方案
问题分析
下面会讲到两个问题:
- FA模块中不合理的连接会导致性能下降,
- 不同层的特征应该通过不同的操作来增强
Feature Aggregation(FA)
- FA的结论:
- 自顶向下的特征融合可以取得比自底向上更好的效果
- 相近层的特征融合比远的层的融合效果好,如P7融合到P2时效果甚至会下降
Feature Enhancement(FE)
- FE的结论:
- ASPP、CPM、RFB使用膨胀卷积,它们的实验结果相似,都会破坏浅层特征,导致浅层严重的性能下降
- RFE使用矩形感受野来丰富特征,在所有层上都表现较好
- 浅层特征喜欢多样化的感受野(矩形感受野),深层特征喜欢大感受野(膨胀卷积)
方法
AutoFA
- 假设一个金字塔特征和对应的聚合特征分别为 FFF 和 CCC,则AutoFA基本单元可以表示为
Ci=fpost(β0Fi+β1fpre(∑j<iαjfre(Cj))C_i=f_{post}(\beta_0F_i+\beta_1f_{pre}(\sum_{j<i}\alpha_jf_{re}(C_j)) Ci=fpost(β0Fi+β1fpre(j<i∑αjfre(Cj))
其中 ∑j<iαj=1\sum_{j<i}\alpha_j=1∑j<iαj=1,fpost(⋅)f_{post}(·)fpost(⋅) 和 fpre(⋅)f_{pre}(·)fpre(⋅) 是用于特征聚合的两个卷积操作,fre(⋅)f_{re}(·)fre(⋅) 用于将特征图调整为相同size - 与SOTA的特征融合模块作比较
AutoFE
- 每个结点 iii 连接到前面的所有结点 j(j<i)j(j<i)j(j<i),这个连接用 kjik_{ji}kji来表示,并且如果 kjik_{ji}kji 在所有的 k∗ik_{*i}k∗i 中是最大的,那么它将被 activate 激活
- 假设第 iii 个结点的特征图是 FiF_iFi,那么
Fi=∑j<i[j=arg maxjkji]fop(Fj,γji)F_i=\sum_{j<i}[j=\argmax_jk_{ji}]f_{op}(F_j, γ_{ji}) Fi=j<i∑[j=jargmaxkji]fop(Fj,γji)其中 fop(⋅)f_{op}(·)fop(⋅) 是被 γjiγ_{ji}γji 激活操作处理时加权的总和 - 与SOTA的特征增强模块进行比较
Search Strategy of AutoFA and AutoFE
- 这一步的目的是寻找AutoFE和AutoFA中最适合人脸检测的参数
Auto Model Scaling
- ASFD系列 由并行的主干、堆叠的 AutoFAE 模块和用于预测头的堆叠卷积组成。寻找更好的组合来满足不同的复杂性要求(适用于不同的场景,例如移动AI、PC AI、云AI),即选择哪个主干,有多少 AutoFAE 模块和卷积,是否为每个 AutoFAE 跳过 AutoFE,以及特征通道的数量是多少
实验结果
问题
- Joint Searching 什么意思?
[论文笔记] ASFD 阅读笔记相关推荐
- LIO-SAM论文与代码阅读笔记(一)论文阅读
文章目录 0.前言 1.内容介绍 2.研究背景 2.1.不同的地图维护方式 2.2.LIO的紧耦合和松耦合 3.方法 3.1.因子图 3.2.激光里程计因子 3.3.GPS因子 4.实验 4.1.旋转 ...
- 【LOAM系列】一:LOAM论文及代码阅读笔记
LOAM 2014 Ji Zhang LOAM中文注释版:https://github.com/cuitaixiang/LOAM_NOTEDLOAM 笔记及A-LOAM源码阅读:https://www ...
- Clustered Federated Learning 论文源码阅读笔记
本篇文章的阅读论文是<Clustered Federated Learning: Model-Agnostic Distributed Multitask Optimization Under ...
- Distilling Knowledge via Knowledge Review论文和源码阅读笔记
1.paper:https://arxiv.org/pdf/2104.09044.pdf 2.code:https://github.com/dvlab-research/ReviewKD 思谋科技出 ...
- 《我在谷歌大脑见习机器学习的一年:Node.js创始人的尝试笔记》阅读笔记
文章来源:https://www.toutiao.com/i6539751003690893828/?tt_from=weixin_moments&utm_campaign=client_sh ...
- Towards Real-Time Multi-Object Tracking(JDE)论文阅读笔记
JDE阅读笔记 (一)Title (二)Summary (三)Research Problem (四)Problem Statement (五)Method 5.1 将Detection和Embedd ...
- ChatGPT“克星”:用AI识别AI生成的文本,英语论文阅读笔记都能测出
萧箫 发自 凹非寺 量子位 | 公众号 QbitAI ChatGPT的出现,让不少人看到了交期末大作业的曙光(手动狗头). 无论是英语论文.还是阅读笔记,只要在ChatGPT的知识范围内,都可以拜托它 ...
- T5: Text-to-Text Transfer Transformer 阅读笔记
作者:徐啸 知乎专栏:自然语言处理学习之旅 https://zhuanlan.zhihu.com/p/89719631 写在前面 谷歌用一篇诚意满满(财大气粗)的基于实验的综述,试图帮助研究者们「拨开 ...
- Object Detection in 20 Years A Survey-论文翻译(阅读笔记)
Object Detection in 20 Years A Survey论文翻译(阅读笔记) 原文地址:[1905.05055] Object Detection in 20 Years: A Su ...
- Super4PCS文章阅读笔记
Super4PCS阅读笔记 Super4PCS阅读笔记 前言 前言 今天给大家分享一下点云配准四点法4PCS0的变种--Super4PCS.此算法的原文在:Super4PCS: Fast Global ...
最新文章
- php访问父类变量,php – 如何使用parent :: method访问父类中的变量
- 【bzoj2751】[HAOI2012]容易题(easy) 数论-快速幂
- windows10和ubuntu双系统win10时间不正确
- 搭建 Apache Jmeter 分布式压测与监控
- js将一维数组分割成每三个一组的算法
- Office机器人2.1.763.557(Excel批量打印 Word批量打印 批量加密 批量解密 批量转换格式)...
- S变换在特征提取中的使用
- mysql类exadata功能_EXADATA智能扫描
- 从零开始搭建ABP框架(Asp .Net Boilerplate)+Oracle(11 g)
- OpenJudge 河中跳房子
- JS下载文件、图片,JS打包下载
- android 热更新 方案,与Android热更新方案Amigo的初次接触
- 以太坊拜占庭硬分叉成功!前亚马逊首席科学家加盟京东金融;俄罗斯将发法定数字货币...
- Css+Jquery实现点击图片放大缩小预览 图片预览 查看大图
- 键盘录入(身高和体重)
- HTML旅游网站设计与实现——东江湖旅游网站6个网页HTML+CSS+JavaScript
- 怎么把线稿提取出来_如何提取线稿为你所用?不会的来!
- [原创] Hzc:FZL中带点鼠绘的感觉(教程)
- 性能测试流程-性能测试2
- DB 查询分析器7.01 新增的保存执行结果到多个文件功能
热门文章
- Python——数学运算函数
- 用Nmap工具查找Downadup/Conficker的蠕虫病毒源
- 香港电影经典回顾之爱情二十四章经
- 华天OA漏洞复现手册
- 紫光扫描仪ocr_清华紫光扫描仪的安装教程及使用方法
- java学期总结_JAVA学期总结
- 面试常见问题及应答技巧
- plt.pcolormesh()中遇到TypeError:Dimensions of C (..., xxx) are incompatible with X (...) and/or Y (xxx)
- 下一个排列[发挥主观能动性发现规律]
- 什么是英特尔® Edison 模块?