专栏首页机器学习与生成对抗网络AC-FPN:目标检测中的注意力机制

AC-FPN:目标检测中的注意力机制

注:帮一位朋友介绍工作,欢迎大家star。

Attention-guided Context Feature Pyramid Network for Object Detection

https://arxiv.org/pdf/2005.11475.pdf
https://github.com/Caojunxu/AC-FPN

在目标检测领域,图像输入越来越大(1333 * 800),但使用的特征提取网络还是图片分类时候的(224*224).

显然地,感受野已经“不太够用”了:因为看得见,所以会相信;如果看不见,那就乱来了。

为解决此问题,AC-FPN设计了一个新的网络结构,称为以注意力导向的上下文特征金字塔网络,该网络结构通过融合多路不同感受野特征,不仅增大物体感受野,而且还可以利用物体的上下文信息,更好得给出分类结果。

该模型主要包含两个模块:第一个是上下文提取模块(CEM),它从多个感受野中探索大量上下文信息,但冗余的上下文关系可能会误导定位以及识别,因此还设计了第二个模块,称为注意力引导模块(AM),该模块可以通过注意力机制来自适应提取显著对象周围的有用信息。AM由两个子模块组成,即上下文注意模块(CxAM)和内容注意模块(CnAM),它们分别用于捕获区分性语义信息和定位精确位置信息,从而得到更好的检测和分割结果。

AC-FPN可以轻松插入现有的基于FPN的模型中,在使用不到200行代码就可以提升FPN-resnet50近3mAP,在其他前沿框架也取得了很大的提升。

代码已经开源:https://github.com/Caojunxu/AC-FPN


本文分享自微信公众号 - 机器学习与生成对抗网络(AI_bryant8)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-09-14

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • PyTorch多GPU并行训练方法及问题整理

    以下都在Ubuntu上面进行的调试, 使用的Ubuntu版本包括14, 18LST

    公众号机器学习与生成对抗网络
  • github优秀项目分享:基于yolov3的轻量级人脸检测、增值税发票OCR识别 等8大项目

    yolo-face-with-landmark 使用pytroch实现的基于yolov3的轻量级人脸检测

    公众号机器学习与生成对抗网络
  • GAN的图像修复:多样化补全

    https://arxiv.xilesou.top/pdf/1903.04227.pdf

    公众号机器学习与生成对抗网络
  • ABAP的语法高亮是如何在浏览器里显示的

    这篇文章的原文我发表在SAP官方社区上:https://blogs.sap.com/2018/03/09/how-abap-syntax-highlight-i...

    Jerry Wang
  • iOS多设备适配简史以及相应的API支撑实现

    远古的iPhone3和iPhone4时代,设备尺寸都是固定3.5inch,没有所谓的适配的问题,只需要用视图的frame属性进行硬编码即可。随着时间的推移,苹果...

    欧阳大哥2013
  • 【一分钟知识】依存句法分析

    本文简要介绍了自然语言处理中极其重要的句法分析,并侧重对依存句法分析进行了重点总结,包括定义、重要概念、基本方法、性能评价、依存分析数据集,最后,分享了一些流行...

    zenRRan
  • Angular4 实战开发

    《Angular 实战系列》目前处于章节不定,内容不定阶段,这一系列文章不会长篇大论的讲解概念,而是以用为主,结合通俗易懂的实例来让大家理解常用的知识点。

    IMWeb前端团队
  • Failed to read the project description file (.project) for '项目名'.

    时间静止不是简史

扫码关注云+社区

领取腾讯云代金券