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 ...
最新文章
- 每日一皮:实习生将他的代码交给高级开发人员,高级开发反手一个...
- vue 中使用promise
- encode,decode
- ML之FE:特征工程中常用的一些处理手段(缺失值填充、异常值检测等)及其对应的底层代码的实现
- jQuery Mobile Data 属性
- Error和Exception的区别
- 日志log4cxx 封装、实例讲解、配置文件log4cxx.properties
- CVPR 2019 | 旷视提出超分辨率新方法Meta-SR:单一模型实现任意缩放因子
- sublime连接Linux进行vim编辑
- 游戏筑基开发之学生管理系统数据结构及数据结构解析图(C语言)
- 拷贝网页内容增加版权信息的 JavaScript 代码示例
- java用什么软件_Java编程什么软件最好用?
- SNIFFER(嗅探器)-简介(zt)
- TASKCTL用户权限如何设置
- 银河麒麟V10(Kylin Linux V10)安装 Kibana-7.15.2
- leetcode:1000. 合并石头的最低成本(区间dp,困难)
- 带掩码的自编码器MAE在各领域中的应用总结
- PCL点云使用贪婪三角化进行曲面重构
- C/C++编程必备网址
- 划重点 iOS15正式发布, 全新的通知推送系统,你必须要知道