目标检测(CVPR2017):Feature Pyramid Networks

论文: Feature Pyramid Networks for Object Detection

会议:CVPR2017

目标:识别不同尺度的物体,获取语义信息与定位信息均比较好的特征

基础知识:DCNN中低层特征中具有较好的定位信息,深层特征中具有较好的语义信息

各种金字塔网络结构:

(a)使用图像金字塔构建特征金字塔网络:每个图像尺度上的特征都是独立计算的,速度缓慢。

(b)最近的检测系统选择只使用单一尺度特征进行更快的检测

(c)使用ConvNet计算金字塔结构

(d)本文提出的金字塔结构,包括自底向上、自顶向下、横向连接三部分,特征映射用蓝色轮廓表示,较粗的轮廓表示语义上较强的特征。

特征金字塔结构:

自下而上的路径:

  • 实质为一个下采样卷积神经网络的前馈计算,常用ResNet,步长为2
  • stage: 在网络结构中,通常有许多层产生相同size的feature map,定义这些层位于相同的网络阶段,定义为一个stage.
  • 选择每一个stage的最后一个卷积层的激活层输出输出搭建横向连接

自顶向下的路径:

  • 对最后一个具有高语义信息的stage的输出进行上采样(2X)
  • 与自下向上的features中具有相同尺寸的map进行融合

横向路径:

  • 对于两个路径具有相同尺寸的features进行融合,
  • 自下向上的feature map通过1X1的Conv减小维度
  • 自顶向下的feature map通过上采样(2X)
  • 融合使用element-wise 相加,最后通过一个3X3的Conv减轻上采样的混叠效应

特征金字塔作用:

  • 自顶向下的路径传递了较好的语义信息
  • 自下向上的路径传递了较好的定位信息
  • 通过横向连接融合在一起则可以获取既具有较好的定位信息又具有较好的语义信息的特征。
  • 不同层输出可以得到对不同尺度的敏感的特征,识别不同尺度的物体

应用:在以前的目标检测方法中加入FPN作为特征检测模块,提高检测结果。

原文发布于微信公众号 - AI深度学习求索(AIDeepLearningQ)

原文发表时间:2018-10-30

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏MixLab科技+设计实验室

深度学习生成舞蹈影片02之MDN代码练习

本文接上一期,补充一些MDN的代码练习。本教程开发环境是python+jupyter,引用了一个用keras写的mdn包,目标是拟合反正弦函数曲线:

22130
来自专栏生信小驿站

R 支持向量机②

支持向量机是一个相对较新和较先进的机器学习技术,最初提出是为了解决二类分类问题,现在被广泛用于解决多类非线性分类问题和回归问题。其流行归功于两个方面,一个方面,...

9720
来自专栏计算机视觉战队

分割算法——可以分割一切目标(各种分割总结)

周末应该是一个好好休息的时间,但是一定会有在默默努力科研的你,由于最近是开学季,很多关注的朋友一直会问“计算机视觉战队平台有基础性的内容吗?”,今天我和大家说一...

89440
来自专栏marsggbo

论文笔记系列-Efficient Neural Architecture Search via Parameter Sharing

本文提出超越神经架构搜索(NAS)的高效神经架构搜索(ENAS),这是一种经济的自动化模型设计方法,通过强制所有子模型共享权重从而提升了NAS的效率,克服了NA...

70720

如何使用统计显着性检验来解释机器学习结果

在比较两种不同的机器学习算法或比较相同的算法与不同的配置时,收集一组结果是一个好习惯。

675100
来自专栏决胜机器学习

机器学习(二十三) —— 大数据机器学习(随机梯度下降与map reduce)

机器学习(二十三)——大数据机器学习(随机梯度下降与map reduce) (原创内容,转载请注明来源,谢谢) 一、概述 1、存在问题 当样本集非常大的时候,...

39830
来自专栏机器之心

教程 | 无需反向传播的深度学习:DeepMind的合成梯度

选自GitHub 作者:iamtrask 机器之心编译 参与:王宇欣、Ellen Han 在这篇博文中,我们将从起点(从零开始)学习 DeepMind 最近提...

387100
来自专栏ATYUN订阅号

图像处理:利用神经网络生成新图像和修复旧图像

查看附带Python代码的GitHub repo(链接地址为https://github.com/philkuz/PixelRNN)和Jupyter笔记本(链接...

1.1K70
来自专栏机器学习算法与理论

深度学习—带动量的SGD相关参数

一、weight decay(权值衰减)的使用既不是为了提高你所说的收敛精确度也不是为了提高收敛速度,其最终目的是防止过拟合。在损失函数中,weight dec...

15850
来自专栏机器学习算法与理论

树回归分析

树回归:可以对复杂和非线性的数据进行建模;适用数值型和标称型数据。 1、 CART:classification and regression trees(...

30060

扫码关注云+社区

领取腾讯云代金券