车辆检测“DAVE: A Unied Framework for Fast Vehicle Detection and Annotation”
来源:互联网 发布:淘宝黑莓 编辑:程序博客网 时间:2024/06/05 17:26
检测车辆的同时对车辆进行属性标记,DAVE包括两个网络,一个快速proposal网络FVPN,和一个属性学习网络ALN,属性学习获取车辆的姿态,颜色和类型。DAVE实现的功能如下图所示:
快速车辆候选区域提取网络FVPN
FVPN是一个浅层全卷积网络,有三个卷积层,最大池化和ReLU与前两个卷积层相连,第三个卷积层分成3个1*1的卷积层分支,conv_fc_class输出正负卷积softmax概率,conv_fc_bbr表示正样本bbox坐标,conv_fc_konwledge学习由ALN提取的latent data-driven knowledge。每个分支使用的损失函数不同,conv_fc_class使用softmax损失,conv_fc_bbr使用smooth L1损失对bbox回归,conv_fc_konwledge使用cross entropy损失。
属性学习网络
基于GoogLeNet,增加了4个全卷积层,将其扩展成多属性学习模型。多任务网络使用四个softmax损失层优化,分别为是否为车辆,姿态,颜色和类型,损失函数为:
DAVE网络结构如下图所示:
网络训练
基于CompCars数据库对网络进行训练,ALN输入图像分辨率为224*224,FVPN输入分辨率为60*60,ALN的pool5/7*7_s1层的1024维特征用来监督FVPN中相同维度特征的学习(使用cross entropy损失)。
车辆proposal提取的实现
将10层图像金字塔输入到FVPN,将所有的热度图整合到一张proposal得分图上,过滤低阈值的亮斑,然后使用圆心扫描器扫描局部极值。将这些局部极大值作为proposal的中心,亮斑的bbox作为初步的proposa宽和高,放大1.5倍后输入到ALN。网络推理过程如下图所示:
- 车辆检测“DAVE: A Unied Framework for Fast Vehicle Detection and Annotation”
- 车辆检测--DAVE: A Unified Framework for Fast Vehicle Detection and Annotation
- 论文阅读:CVPR 2015 FaceNet: A Unified Embedding for Face Recognition and Clustering
- 车辆检测“Deep MANTA: A Coarse-to-fine Many-Task Network for joint 2D and 3D vehicle analysis from monoc”
- 车辆检测“Integrating Context and Occlusion for Car Detection by Hierarchical And-Or Model”
- 车辆检索“LEARNING A REPRESSION NETWORK FOR PRECISE VEHICLE SEARCH”
- Vehicle detection and recognition for intelligent traffic survelliance system 论文
- 卫星图像中的车辆分析--A Large Contextual Dataset for Classification, Detection and Counting of Cars
- 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
- 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 Unified Multi-scale Deep Convolutional Neural Network for Fast Object Detection
- 嵌入式目标检测--Fast YOLO: A Fast You Only Look Once System for Real-time Embedded Object Detection
- Region Covariance: A Fast Descriptor for Detection and Classification算法总结
- 车辆2D/3D--Deep MANTA: A Coarse-to-fine Many-Task Network for joint 2D and 3D vehicle analysis
- 行人检测论文笔记:Fast Feature Pyramids for Object Detection?
- 行人检测论文笔记:Fast Feature Pyramids for Object Detection?
- 包含min函数的栈
- [ASP.NET MVC 大牛之路]01
- 解决JAVA调用mysqldump备份数据库时文件为空的问题
- 解决H5调用阿里云OSS上传图片无法实时获取上传结果的一个方法
- C#委托写法
- 车辆检测“DAVE: A Unied Framework for Fast Vehicle Detection and Annotation”
- 构造函数与析构函数
- (背包二)完全背包
- 23种套路:策略模式
- [已解决] BageView 在Android 5.0 之后出现了小红点显示在view 的后面的情况
- Spring(一) 简介
- Activity生命周期总结
- 2017网易实习生编程题
- top命令参数详解