GiraffeDet：Heavy Neck的目标检测框架

已于 2022-02-17 11:42:01 修改
阅读量1.7k 收藏
点赞数
分类专栏： 深度学习 目标检测 文章标签： 图像识别 python 计算机视觉 机器学习 人工智能
于 2022-02-17 00:08:00 首次发布
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。
本文链接：https://blog.youkuaiyun.com/gzq0723/article/details/122974531
版权
GiraffeDet是一种新型的目标检测框架，它采用轻量级主干和深度大的neck模块，促进不同尺度信息的密集交换。与传统方法相比，GiraffeDet在资源有限的情况下能更好地处理高级语义和低级空间信息，从而提高检测效率。实验结果显示，GiraffeDet在多种检测基准上优于现有SOTA模型。

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

关注并星标

从此不迷路

计算机视觉研究院

e4c1f49d4a78ab2137675f7609fc6c1c.gif

公众号ID｜ComputerVisionGzq

学习群｜扫码在主页获取加入方式

获取论文：关注并回复“GD”

计算机视觉研究院专栏

作者：Edison_G

在传统的

了解本专栏 订阅专栏 解锁全文
Yolov5/Yolov7改进：小目标到大目标一网打尽，轻骨干重Neck的轻量级目标检测器GiraffeDet
05-11 2537
小目标到大目标一网打尽！阿里提出首个轻骨干重Neck的轻量级目标检测器GiraffeDet。将GFPN引入到yolov5。在NEU-DET钢材表面缺陷任务中map从原始的0.742提升到0.765
深度学习论文: GiraffeDet: A Heavy-Neck Paradigm for Object Detection及其PyTorch实现
mingo_敏
02-16 1688
深度学习论文: GiraffeDet: A Heavy-Neck Paradigm for Object Detection及其PyTorch实现 GiraffeDet: A Heavy-Neck Paradigm for Object Detection PDF: https://arxiv.org/pdf/2202.04256.pdf PyTorch代码: https://github.com/shanglianlm0525/CvPytorch PyTorch代码: https://github.com
小目标到大目标一网打尽！阿里提出首个轻骨干重Neck的轻量级目标检测器GiraffeDet...
qq_29462849的博客
03-01 1049
点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达作者丨happy编辑丨极市平台本文是阿里巴巴在目标检测领域的工作(已被ICLR2022接收)，提出了一种新颖的类“长颈鹿”的Gira...
GIRAFFEDET: A HEAVY-NECK PARADIGM FOR OBJECT DETECTION
qq_52302919的博客
02-21 2421
论文地址：https://arxiv.org/pdf/2202.04256.pdf GiraffeDet使用了一个非常轻的主干和一个非常深和大的颈部模块，这鼓励了不同空间尺度之间的密集信息交换，以及同时不同层次的潜在语义。该设计范式使得检测器能够在网络的早期阶段以相同的优先级处理高级语义信息和低级空间信息，从而提高了检测任务的效率。 一、文章简介： 对于尺度敏感的特征生成，传统的主干算法计算成本高，且存在领域转移问题（从图像分类到目标检测）。另一种轻量级主干可以解决这些问题。其次，对于检测器来说，学习充分的
GIRAFFEDET: A HEAVY-NECK PARADIGM FOROBJECT DETECTION（中文翻译）
weixin_42182534的博客
04-18 1858
ABSTRACT 在传统的目标检测框架中，继承自图像识别模型的骨干主体提取深度潜在特征，然后由颈部模块融合这些潜在特征来获取不同尺度的信息。由于目标检测的分辨率远大于图像识别，因此主干的计算代价往往占主导地位。这种重主干设计范式主要是由于将图像识别模型转移到目标检测时的历史遗留问题，而不是目标检测的端到端优化设计。在这项工作中，我们表明，这种范式确实导致次优的目标检测模型。为此，我们提出了一个新的重颈范式，GiraffeDet，一个类似长颈鹿的网络，用于有效的目标检测。GiraffeDet使...
【读点论文】GIRAFFEDET: A HEAVY-NECK PARADIGM FOR OBJECT DETECTION，目标检测新范式，新的哲学思想改进BiFPN，更注重特征融合。还从数据集分析改进
白水空空
06-25 685
在过去的几年中，基于深度学习的目标检测方法取得了显著的进展。尽管通过在结构、训练策略等方面的不同设计使目标检测网络变得更加强大，但检测所有大规模变化目标的元目标并没有改变。例如，COCO数据集中最小和最大的10%的对象实例的尺度分别为0.024和0.472，其缩放近20倍。这对使用最新方法处理如此大规模的变化提出了极大的挑战。为此，本文的目标是通过设计一个规模健壮的方法来解决这个问题。为了缓解大规模变化带来的问题，一种直观的方法是在训练和测试中同时使用多尺度金字塔策略。
ICLR2022系列解读之三：一个新的目标检测网络结构范式GiraffeDet
AIEarth的博客
12-13 995
本文解读我们ICLR2022上发表的论文《GiraffeDet: A Heavy-Neck Paradigm for Object Detection》。
yolov8改进|Neck改进：增加小目标检测头
weixin_44379985的博客
05-19 1582
在标准目标检测中，数据集中有小目标的情况下，小目标会出现漏检或检测效果不佳等问题。YOLO默认有3个检测头，能够多尺度对目标行检测其检测尺寸分别是：P3/8 对应的检测特征图大小为80X80，用于检测大小在8X8以上的目标。P4/16对应的检测特征图大小为40X40，用于检测大小在16X16以上的目标。P5/32对应的检测特征图大小为20X20，用于检测大小在32X32以上的目标。但对微小目标检测可能存在检测能力不佳的现象，因此添加一个微小物体的检测头，在有小目标数据集中能够有涨点。
#今日论文推荐# ICLR 2022 | 达摩院灵瞳实验室：目标检测网络结构新范式——GiraffeDet
w1hsxn的博客
09-01 347
我们在本篇文章提出了 GiraffeDet 这一新的目标检测框架。
GiraffeDet：对目标检测中对Neck进行优化提升最终精度
gzq0723的博客
02-19 1232
关注并星标从此不迷路计算机视觉研究院公众号ID｜ComputerVisionGzq学习群｜扫码在主页获取加入方式获取论文：关注并回复“GD”计算机视觉研究院专栏作者：Edison_G在传统...
论文阅读-GiraffeDet: A Heavy-Neck Paradigm for Object Detection
dear_queen的博客
04-20 5102
GiraffeDet: A Heavy-Neck Paradigm for Object Detection 一般我们遇见的检测器都是更偏重于骨干网络的设计，采用重骨干轻neck的设计理念，本文是采用了轻backbone，重neck的方式。该结构可进行不同空间尺度以及不同级别潜在语义的密集信息交换，。这种设计范式帮助检测器在网络的早期阶段以相同的优先级处理高级语义信息和低级空间信息，使其在检测任务中更有效，同时，该论文提出以S2D Chain为组合模块，构建light backbone，再以Queen Fu
【YOLOv8改进 - 特征融合NECK】 GIRAFFEDET之GFPN ：广义特征金字塔网络，高效地融合多尺度特征
最新发布
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
07-16 1727
在传统的目标检测框架中，通常采用从图像识别模型继承的主干网络来提取深层潜在特征，然后通过颈部模块融合这些潜在特征，以捕捉不同尺度的信息。由于目标检测中的分辨率远高于图像识别，主干网络的计算成本往往占据总推理成本的主要部分。这种重型主干设计范式主要是由于将图像识别模型转移到目标检测中时的历史遗留，而不是针对目标检测进行的端到端优化设计。在本研究中，我们表明这种范式确实导致了次优的目标检测模型。为此，我们提出了一种新颖的重型颈部范式，GiraffeDet，这是一种类长颈鹿的高效目标检测网络。
GiraffeDet的学习笔记
墨门
03-07 387
1 GiraffeDet模型 论文：GIRAFFEDET: A HEAVY-NECK PARADIGM FOR OBJECT DETECTION 代码：Github-GiraffeDet 2 GiraffeDet介绍 2.2 优点 适合scratch训练: GiraffeDet模型适合 scratch training，原文是这样说的： [GiraffeDet-paper]: Also under acceptable inference time, we observe that s
ICLR 2022 | 阿里提出目标检测新范式GiraffeDet：轻骨干、重Neck
阿木寺的博客
02-13 1437
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达转载自：极市平台 | 作者：happy导读本文是阿里巴巴在目标检测领域的工作(已被ICLR2022接收)，提出了一...
目标检测论文阅读：GiraffeDet算法笔记
qq_43631268的博客
01-10 1236
传统的目标检测框架会沿袭图像识别模型中的backbone来提取深层的潜在特征，然后neck模块会融合这些潜在特征来获取不同尺度的信息。由于目标检测中的分辨率远大于图像识别中的分辨率，backbone的计算成本往往在总的推理成本中占主导地位。这种heavy-backbone的设计范式大多是由图像识别模型向目标检测发展时的历史遗留问题，而不是针对目标检测的端到端优化设计。在本文工作中，我们证明了这种范式确实只能产生次优的目标检测模型。为此，我们提出了一种新的heavy-neck的设计范式，GiraffeDet。
GiraffeDet助力yolov8暴涨分---有可执行源码
勿忘初心,方得始终
08-30 710
GiraffeDet助力yolov8暴涨分
yolov5添加damoyolo GFPN模块
athrunsunny的博客
02-07 7669
DAMO yolo在提出前阿里就推出了一个叫GIRAFFEDET的模型，主推轻backbone重neck的网络结构，使得网络更关注于高分辨率特征图中空间信息和低分辨率特征图中语义信息的信息交互。同时这个设计范式允许检测网络在网络早期阶段就以相同优先级处理高层语义信息和低层空间信息，使其在检测任务上更加有效。不过这里主要讲的不是 GiraffeDet，而是将这一思想应用在yolov5中。
GiraffeDet：Yolov8轻量级目标检测器的小目标狙击战略
一直在水些技术小文
11-11 295
目标检测技术一直是计算机视觉领域的焦点，而Yolov8（You Only Look One-level Version 8）作为其中的佼佼者，近期经过了一次重要的改进，引入了针对小目标的特殊策略。本文将深入介绍这一轻量级目标检测器——GiraffeDet，它通过轻骨干和重Neck的设计理念，将小目标检测性能提升至一个新的高度。
检测器backbone和neck哪个更重要，达摩院新作有不一样的答案
chenxiangrong的博客
02-11 1493
论文名称《GIRAFFEDET：一种heavy-neck的物体检测新范式》 论文地址：https://arxiv.org/pdf/2202.04256.pdf 摘要 在传统的目标检测框架中，模型从骨干提取深层潜在特征，然后由颈部模块融合这些潜在特征，捕获不同尺度的信息。由于目标检测的对分辨率的要求比图像识别的要大得多，因此骨干网的计算成本往往占据了大部分推理成本。这种重骨干的设计范式在传统图像识别往目标检测发展时遗留了下来，但这种范式并不是针对目标检测的端到端优化设计。在这项工作中，我们证明了这种范式确实只
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

打赏作者

计算机视觉研究院

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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