目标检测“A MultiPath Network for Object Detection”
来源：互联网 发布：elasticsearch python 编辑：程序博客网 时间：2024/05/27 21:50
对Fast-RCNN方法做了三个小的修改：（1）检测器能够访问多层特征，（2）foveal结构多尺度提取目标上下文信息，（3）在多个IOU下优化损失函数。网络的结构如下图所示；
Foveal结构
在目标识别时，上下文信息很重要，为了增加上下文信息，作者增加了4个裁切，即分别对proposal的视图放大1，1.5，2，4倍，每种情况使用ROI-池化生成特组图，接下来的流程共享相同的结构，之后将4个foveal分类器的输出特征串联成一个长向量，这个特征将用来分类和bbox回归。
损失函数
在多个IOU下的积分损失函数为：
在COO上的实验结果：
1 0
- 目标检测“A MultiPath Network for Object Detection”
- A MultiPath Network for Object Detection
- 论文笔记 A MultiPath Network for Object Detection
- 对A MultiPath Network for Object Detection论文的理解
- 目标检测--A Unified Multi-scale Deep Convolutional Neural Network for Fast Object Detection
- 目标检测--Single-Shot Refinement Neural Network for Object Detection
- 无人驾驶中的目标检测--MODNet: Moving Object Detection Network for Autonomous Driving
- "A MultiPath Network for Object Detectio" 阅读笔记
- 目标检测之LibPaBOD（a LIBrary for PArt-Based Object Detection in C++）
- 对这个运动目标检测方法实现的结果A Hybrid Algorithm for Moving Object Detection
- 目标检测之LibPaBOD（a LIBrary for PArt-Based Object Detection in C++）
- 对抗学习用于目标检测--A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection
- 目标检测“A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection”
- 对抗学习用于目标检测--A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection
- 目标检测之LibPaBOD（a LIBrary for PArt-Based Object Detection in C++）
- 对抗学习用于目标检测--A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection
- 目标检测--Feature Pyramid Networks for Object Detection
- 目标检测“Feature Pyramid Networks for Object Detection”
- ListView
- 个人对webdriver的理解（七）
- Android 检查网络连接状况，并在网络连接异常时弹出设置连接
- Git使用及使用规范
- [从头学数学] 第178节 平面向量
- 目标检测“A MultiPath Network for Object Detection”
- Java文件操作property文件
- android图片压缩质量参数Bitmap.Config RGB_565 ARGB_8888
- 个人对webdriver的理解（八）
- AsyncTask+HttpClient网络请求图片实现自动轮播+小圆点
- user、order、pay_log、pay_daybook表
- 个人对webdriver的理解（九）
- android5.1系统-机器重启，媒体音量恢复到默认值
- The Primer of Classes
