深度学习_目标检测_SPP(Spatial Pyramid Pooling)详解

在目标检测领域，很多检测算法最后使用了全连接层，导致输入尺寸固定。当遇到尺寸不匹配的图像输入时，就需要使用crop或者warp等操作进行图像尺寸和算法输入的匹配。这两种方式可能出现不同的问题：裁剪的区域可能没法包含物体的整体；变形操作造成目标无用的几何失真等。

而SPP的做法是在卷积层后增加一个SPP layer，将features map拉成固定长度的feature vector。然后将feature vector输入到全连接层中。以此来解决上述的尴尬问题。

SPP的优点：

SPP可以忽略输入尺寸并且产生固定长度的输出。
SPP使用多种尺度的滑动核，而不是只用一个尺寸的滑动窗口进行pooling。
SPP在不同尺寸feature map上提取特征，增大了提取特征的丰富度。

在YOLOv4中，对SPP进行了创新使用，Rocky已在【Make YOLO Great Again】YOLOv1-v7全系列大解析（Neck篇）中详细讲解，大家可按需取用～

深度学习_目标检测_SPP(Spatial Pyramid Pooling)详解相关推荐

深度学习之目标检测（十一）--DETR详解
深度学习之目标检测(十一)-- DETR详解目录深度学习之目标检测(十一)-- DETR详解 1. 前言 2. DETR 框架 2.1 CNN Backbone 2.2 Transformer E ...
onestage方法_目标检测——One-stage和Two-stage的详解
目标检测--One-stage和Two-stage的详解发布时间:2019-01-15 14:16, 浏览次数:2784 , 标签: One stage Two 二.Two-stage类别的目标检测 ...
c语言spp,SPP(Spatial Pyramid Pooling)详解
一直对Fast RCNN中ROI Pooling层不解,不同大小的窗口输入怎么样才能得到同样大小的窗口输出呢,今天看到一篇博文讲得挺好的,摘录一下,方便查找. Introduction 在一般的CNN ...
深度学习_目标检测_Soft-MNS详解
Soft-NMS论文链接 Soft-NMS介绍针对原始NMS过于hard的问题,论文中提出了Soft-NMS进行解决. 那原始的NMS有什么问题呢? 我们先看下面的图: 在上图中,检测算法本来应该输 ...
深度学习_目标检测_YOLOv1,v2,v3,v4,v5,v6,v7全系列详解（持续更新）
[Make YOLO Great Again]栏目专注于从更实战,更深刻的角度解析YOLOv1-v7这个CV领域举足轻重的算法系列,并给出其在业务侧,竞赛侧以及研究侧的延伸思考.欢迎大家一起交流学习
深度学习_目标检测 R-CNN 论文笔记
向AI转型的程序员都关注了这个号
深度学习_目标检测（二）——ODA（三）TensorFlow API版本（一）尝试使用
目录 Object Detection API Step 1/x ODA配置描述材料准备工作 Step 2/x ODA验证 Step 3/x ODA数据
病虫害模型算法_基于深度学习的目标检测算法综述
sigai 基于深度学习的目标检测算法综述导言目标检测的任务是找出图像中所有感兴趣的目标(物体),确定它们的位置和大小,是机器视觉领域的核心问题之一.由于各类物体有不同的外观,形状,姿态,加上成像 ...
python成绩统计及格学平成_基于深度学习的目标检测算法综述
导言目标检测的任务是找出图像中所有感兴趣的目标(物体),确定它们的位置和大小,是机器视觉领域的核心问题之一.由于各类物体有不同的外观,形状,姿态,加上成像时光照,遮挡等因素的干扰,目标检测一直是机器视 ...

深度学习_目标检测_SPP(Spatial Pyramid Pooling)详解

深度学习_目标检测_SPP(Spatial Pyramid Pooling)详解相关推荐

最新文章

热门文章