【FPN】Feature Pyramid Networks for Object Detection论文笔记

本文详细解析了FPN(Feature Pyramid Networks)在目标检测中的应用,介绍了特征金字塔在网络中的重要性以及FPN如何高效构建金字塔结构。通过结合高层语义特征和低层细节信息,FPN提升了对不同尺度目标检测的准确性。文中还阐述了FPN的构建模块,包括底部向上、顶部向下路径及横向连接的工作原理。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、摘要

Feature pyramids are a basic component in recognition systems for detecting objects at diferent scales.But recent deep learning object detectors have avoided pyramid representations, in part because they are compute and memory intensive.In this paper, we exploit the inherent multi-scale, pyramidal hierarchy of deep convolutional networks to construct feature pyramids with marginal extra cost.【好用但是开销大,paper提出一个方法来少开销的使用】

2、简介

一些使用pyramid方法

蓝色框代表feature map,框的线条越粗,其语义表达能力越强。我们可以获取输入图像的不同的尺寸,并在不同尺度上提取特征(如:SIFT、HOG),然后进行目标的预测。【参考

  • (a)用图片金字塔生成特征金字塔,在非深度的方法中比较常见,通过将图片放缩到不同的大小,这样一些类似于固定滑窗的方法就可以检测到不同大小的物体,这个内存和时间上有巨大的开销。因为CNN提取特征十分的耗时。
  • (b)只在特征最上层进行预测【(b)展示了现在深度学习方法的常用策略,用深度网络提取feature
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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