目标检测：Feature Pyramid Networks（FPN）

最新推荐文章于 2025-03-12 08:37:31 发布
原创 最新推荐文章于 2025-03-12 08:37:31 发布 · 873 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#目标检测 #深度学习

FPN：Feature Pyramid Networks，特征图金字塔网络

论文：feature pyramid networks for object detection (CVPR2017)
论文链接：https://arxiv.org/abs/1612.03144

 

一、概述

原来多数的object detection算法都是只采用顶层特征做预测，但我们知道低层的特征语义信息比较少，但是目标位置准确；高层的特征语义信息比较丰富，但是目标位置比较粗略。另外虽然也有些算法采用多尺度特征融合的方式，但是一般是采用融合后的特征做预测，而本文不一样的地方在于预测是在不同特征层独立进行的。 


                

        

    

    
  


        

            

                      
                        最低0.47元/天 解锁文章
                        

                          
200万优质内容无限畅学

                          
                        

                      
            

        


    



                



	

		

			

				
					
【论文阅读笔记】FPN：Feature Pyramid Networks for Object Detection

				
			

			

				

					梁瑛平的博客
				

				

					02-10
					
					590
					
				

			

		

		

			
				
FPN：Feature Pyramid Networks for Object Detection（一）论文地址：（二）核心思想：（三）Introduction：（四）网络结构：4.1 Bottom-uppathway：4.2 Top-down pathway and lateral connections：（五）嵌入到 Fast-RCNN 中：（六）训练细节：（七）实验结果：
（一）论文地址：
...

			
		

	



                

            
              



	

		

			

				
					
深度学习——目标检测

				
			

			

				

					weixin_63131711的博客
				

				

					11-17
					
					1183
					
				

			

		

		

			
				
目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置。计算机视觉中关于图像识别有四大类任务：1.分类-Classification：解决“是什么？”的问题，即给定一张图片或一段视频判断里面包含什么类别的目标。2.定位-Location：解决“在哪里？”的问题，即定位出这个目标的的位置。3.检测-Detection：解决“是什么？在哪里？”的问题，即定位出这个目标的的位置并且知道目标物是什么。

			
		

	



              


  
              

                


	

		

			

				
					
深度学习之目标检测

				
			

			

				

					weixin_67968249的博客
				

				

					10-10
					
					1761
					
				

			

		

		

			
				
目标检测是计算机视觉领域的重要任务，旨在从图像或视频中确定特定目标的位置和类别。文中介绍了目标检测的相关内容，包括目标检测的概念、常用数据集（如 VOC 和 COCO）、Ground Truth 的不同格式（YOLO (TXT)、VOC (XML)、COCO (JSON)）、评估指标（如 IoU、准确率、召回率、mean AP 等）。目标检测传统方法分为深度学习方法和非深度学习方法，深度学习方法中有 anchor box 描述方式以及 anchor-base 和 anchor-free 两类，还介绍了 tw

			
		

	





	

		

			

				
					
目标检测（Object Detection）

					
热门推荐

				
			

			

				

					yegeli的博客
				

				

					11-20
					
					26万+
					
				

			

		

		

			
				
文章目录目标检测（Object Detection）一、基本概念1. 什么是目标检测2. 目标检测的核心问题3. 目标检测算法分类1）Tow Stage2）One Stage4. 目标检测应用1）人脸检测2）行人检测3）车辆检测4）遥感检测二、目标检测原理1. 候选区域产生1）滑动窗口2）选择性搜索① 什么是选择性搜索② 选择搜索流程③ 选择搜索优点2. 数据表示3. 效果评估4. 非极大值抑制三、目标检测模型1. R-CNN系列1）R-CNN① 定义② 流程③ 效果④ 缺点2）Fast R-CNN① 定义

			
		

	



		

			
		



	

		

			

				
					
FPN：Feature Pyramid Networks for Object Detection

				
			

			

				

					Lorenzo's Oil
				

				

					02-15
					
					639
					
				

			

		

		

			
				
一、前言


特征金字塔可用于检测不同尺度目标，但最近的深度学习目标检测器避免使用它，部分原因是它带来了极大的计算量和内存需求


本文利用深度卷积网络内在的多尺度、金字塔分级来构造具有很少额外成本的特征金字塔


本文开发了一种具有横向连接的自顶向下架构，称为特征金字塔网络（FPN），用于在所有尺度上构建高级语义特征映射


将FPN应用于一些目标检测器(如Faster R-CNN)，结果得到了...

			
		

	





	

		

			

				
					
FPN(Feature Pyramid Networks)网络--特征图金字塔网络，适合小目标检测网络。

				
			

			

				

					weixin_43331421的博客
				

				

					07-08
					
					1960
					
				

			

		

		

			
				
特征图金字塔网络(Feature Pyramid Networks，FPN)，是一种在2017年提出的网络结构，主要解决的是物体检测中的多尺度问题。FPN通过简单的网络连接改变，实现了在不显著增加原有模型计算量的前提下，显著提升了小物体检测的性能。FPN的设计理念是利用不同层的特征图进行预测，这些特征图具有不同的尺度和语义信息。

			
		

	





	

		

			

				
					
目标检测-论文阅读-FPN(Feature Pyramid Networks for Object Detection)

				
			

			

				

					AManFromEarth的博客
				

				

					06-17
					
					1168
					
				

			

		

		

			
				
FPN论文地址，以及pytorch版本的github地址，实际上最新版本的pytorch已经集成了FPN，所以建议去看该代码。
立意
FPN的立意很直接，如图1所示的目标检测常用的abc三种特征提取结构：
(a) 将图像依次缩放成金字塔样式并分别提取特征，优点是能提取多个尺度的带有较强语义信息的特征表示，缺点是预测时间是之前的多倍、训练较占显存；
(b) Faster RCNN用的无金字塔结构，缺点和优点与(a)相反；
© SSD使用的网络内特征金字塔层次，优点是能产生不同分辨率的特征图，缺点是不同的深度(

			
		

	





	

		

			

				
					
深度学习-目标检测

				
			

			

				

					03-10
				

			

		

		

			
				
七月在线课程-- 介绍目标检测深度学习框架： Rcnn系列。faster rcnn ,mask rcnn ， 模型框架，vgg, google-le net , res-net 及代码讲解。

			
		

	





	

		

			

				
					
SSD基于深度学习的目标检测

				
			

			

				

					05-30
				

			

		

		

			
				
Single Shot MultiBox Detector

			
		

	





	

		

			

				
					
基于深度学习的汽车目标检测

				
			

			

				

					01-14
				

			

		

		

			
				
需要再matlab2017a即以上版本上运行 资源来自网络  本为matlab计算机视觉与深度学习实战28章示例代码

			
		

	





	

		

			

				
					
目标检测（深度学习）

				
			

			

				

					qq_44747572的博客
				

				

					10-30
					
					1317
					
				

			

		

		

			
				
https://bbs.cvmart.net/articles/4992
https://www.jiqizhixin.com/articles/2020-03-09-2
https://zhuanlan.zhihu.com/p/34142321
https://segmentfault.com/a/1190000022285081



			
		

	





	

		

			

				
					
目标检测  深度学习

				
			

			

				

					u012910595的博客
				

				

					09-12
					
					8997
					
				

			

		

		

			
				
目标检测对于人来说是再简单不过的任务，但是对于计算机来说，它看到的是一些值为0~255的数组，因而很难直接得到图像中有人或者猫这种高层语义概念，也不清楚目标吃现在图像中那个区域。图像中的目标可能出现在任何位置，目标的形态可能存在各种各样的变化，图像的背景千差万别……，这些因素导致目标检测并不是一个容易解决的任务。
得益于深度学习——主要是卷积神经网络和候选区域算法，从2014年开始，目标检测取得

			
		

	





	

		

			

				
					
深度学习之目标检测/对象检测

					
最新发布

				
			

			

				

					2202_75557553的博客
				

				

					03-12
					
					1393
					
				

			

		

		

			
				
深度学习在目标检测领域的进展极大地推动了计算机视觉的发展，两阶段方法和单阶段方法各有优劣，未来随着技术的进步，目标检测将在更多实际场景中得到应用。

			
		

	





	

		

			

				
					
深度学习-09(目标检测:Object Detection)

				
			

			

				

					yegeli的博客
				

				

					07-24
					
					1万+
					
				

			

		

		

			
				
目标检测（Object Detection）
一 、基本概念
1. 什么是目标检测
目标检测( Object Detection )的任务是找出图像中所有感兴趣的目标(物体) ,确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。
计算机视觉中关于图像识别有四大类任务:
( 1 )分类.Classification :解决”是什么?”的问题,即给定一-张图片或一段视频判断里面包含什么类别

			
		

	





	

		

			

				
					
深度学习（六）--目标检测

				
			

			

				

					qq_42007339的博客
				

				

					07-02
					
					490
					
				

			

		

		

			
				
目标检测

概念

定位
	分类
	任务
	单个目标
		分类+定位
		
		多个目标
		实例分割
			目标检测
		
	
	思路
	回归问题
		利用神经网络进行目标识别，同样的目标变为坐标值
		
		局部识别问题
		框游走知道能百分百确定分类结果
			缺点
			计算量大
			
			优点
			精确
			
			生成候选位置
		
	
DPM

可变形的不同组件的模型
	概念
	提取图像特征，制作出激励模板，在又是图像滑动计算，得到激励效果图，根据激励分布确定目标位置
	
	扩展
	目

			
		

	





	

		

			

				
					
2018小目标检测综述：FPN引领优化策略

				
			

			

				

					
				

			

		

		

			
				
随着对小目标检测问题的关注，研究人员提出了新的解决方案，其中最具影响力的是FPN（Feature Pyramid Networks）。  FPN由一篇于2017年CVPR会议上发表的论文《Feature Pyramid Networks for Object Detection》引入...

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

  
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值