特征金字塔(FPN)的学习过程

本文介绍了特征金字塔网络(FPN)在解决计算机视觉中的目标检测问题上的应用。FPN通过构建特征金字塔,利用不同层级的特征进行目标检测,兼顾了高层语义信息和低层位置信息,提高了对不同大小目标检测的精度。实验表明,FPN相对于传统方法在鲁棒性和速度上有显著优势,并在RPN和Faster R-CNN等目标检测框架中表现出色。

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

1、作者将不改变feature map大小的层归为一个stage

2、图像的混叠现象:“所谓混叠,即高于采样频率一半的高频信号被映射到信号的低频部分,与原有低频信号叠加,对信号的完整性和准确性产生影响”

采样频率必须大于原始信号最高频率的两倍,才能完整地还原原始信号,这就是著名的尼奎斯特定律。

有两种方法可以消除混叠现象:

一是直接提高采样频率,以获得更高的尼奎斯特频率,但是采样频率不能无限提高;

二是在采样频率固定的情况下,可通过低通滤波器消除大于尼奎斯特频率的高频信号,从而消除混叠现象。

学习自:https://www.cnblogs.com/doctorbill/articles/3820088.html

3、亚采样:亚采样层就是使用pooling技术将小邻域内的特征点整合得到新的特征

4、aps,apm,apl:分别表示对小目标,中目标,大目标的平均准确度。

5、FPN算法的“新路历程”:

转载自:(原文:https://blog.youkuaiyun.com/WZZ18191171661/article/details/79494534)

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