小目标检测的一些理解

感受野

2017CVPR

github

干货：目标检测

对抗网络

cvpr 代码

1.小目标检测需要高分辨率

可以提高输入分辨率

SSD对高分辨率的底层特征没有再利用，但底层特征的语义信息少，这两个互相矛盾。

另外SSD的anchors设计为0.1~0.2，最小的anchors大小为72，还是太大了。

2.feature map不能太小

卷积网络的最后一层的feature map不能太小。卷积网络越深，语义信息越强，越底层是描述局部外观信息越多。

3.可以多尺度检测

4.多尺度特征表示

解决小目标检测问题的一般方法：提高输入图像的分辨率，会增加运算量；多尺度特征表示，结果不可控

全卷积网络：

参考

FCN可以接受任意尺寸的输入图像，与经典的CNN在卷积层之后使用全连接层得到固定长度的特征向量进行分类（全联接层＋softmax输出）不同。采用反卷积层对最后一个卷积层的feature map进行上采样, 使它恢复到输入图像相同的尺寸，从而可以对每个像素都产生了一个预测, 同时保留了原始输入图像中的空间信息, 最后在上采样的特征图上进行逐像素分类。

CNN的强大之处在于它的多层结构能自动学习特征，并且可以学习到多个层次的特征：

较浅的卷积层感知域较小，学习到一些局部区域的特征

较深的卷积层具有较大的感知域，能够学习到更加抽象一些的特征

高层的抽象特征对物体的大小、位置和方向等敏感性更低，从而有助于识别性能的提高, 所以我们常常可以将卷积层看作是特征提取器

将全连接层转为卷积层：

将滤波器的尺寸设置为和输入数据体的尺寸一致, 这样输出就变为, 本质上和全连接层的输出是一样的

小目标检测的一些理解相关推荐

理解目标检测中的老大难：小目标检测
文章一: Stitcher: Feedback-driven Data Provider for Object Detection ,该文发明了一种简单方法改进业界老大难:小目标检测问题. 该文作者来 ...
摄像头图像分析目标物体大小位置_小目标检测的增强算法
版权声明:本文来源程序媛的小世界https://zhuanlan.zhihu.com/p/135397874 Augmentation for small object detection 摘要近 ...
ALCNet——红外小目标检测网络论文阅读
论文链接:Attentional Local Contrast Networks for Infrared Small Target Detection | IEEE Journals & M ...
小目标检测的相关挑战与问题
今天读了一篇小目标检测的综述性文章,所以就做了下面的笔记进行学习自用.目标检测一般分为两类:第一:在所给定的图像中对目标进行定位,即获得目标的回归框.第二:对图像中的目标进行分类,得出该目标的所属类别 ...
目标检测难题 | 小目标检测策略汇总
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自:AI算法与图像处理导读在计算机视觉中,检测小目标是最 ...
2022最新综述 | 面向大规模场景的小目标检测：综述和 benchmark
点击上方"计算机视觉工坊",选择"星标" 干货第一时间送达作者丨汽车人来源丨自动驾驶之心 1论文背景目标检测在过去几年中取得了显著的进展,然而,由于小目标 ...
小目标检测模型总结+SNIP+SNIPER
小目标检测在MS COCO数据集中,对于面积小于32*32的物体,MS COCO就认为它是小物体,在评测时,会对这个范围内的物体计算APsmall. 在行人库CityPerson中,原图大小为102 ...
【aiy篇】小目标检测综述
小目标检测(Small Object Detection)是指在图像中检测尺寸较小的目标物体,通常是指物体的尺寸小于图像大小的1/10或者更小,COCO为例,面积小于等于1024像素的对象维下目标.小 ...
2021年小目标检测最新研究综述很全面值得收藏
摘要小目标检测长期以来是计算机视觉中的一个难点和研究热点.在深度学习的驱动下,小目标检测已取得了重大突破,并成功应用于国防安全.智能交通和工业自动化等领域.为了进一步促进小目标检测的发展,本文对小目 ...

小目标检测的一些理解

小目标检测的一些理解相关推荐

最新文章

热门文章