【目标检测系列:五】2018 CVPR IoU-Net 论文阅读解析总结

IoU-Net解决目标检测中分类置信度高但定位不准的问题,通过联合训练优化定位。文章介绍了IoU-Net的结构,包括ResNet-FPN、精确RoI池化和IoU预测器。训练过程使用smooth-L1损失,IoU标签归一化。在推断阶段,IoU指导的NMS优化边界框选择,提高检测准确性。

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

2018 CVPR

Acquisition of Localization Confidence for Accurate Object Detection

PreciseRoIPooling 代码
ECCV 2018 | 旷视科技 Oral 论文解读:IoU-Net 让目标检测用上定位置信度

参考的一篇博客

建议先自己看一遍论文,然后再看下面的总结

IoU-Net

解决问题 : nms 过程中,是挑选 分类置信度最大的值的框,但是它不一定框的准

Two drawbacks in object localization

  • the misalignment between classification confidence and localization accuracy
  • the non-monotonic bounding box regression

joint training

  • Backbone
    ResNet-FPN

  • FPN

  • Precise RoI Pooling

  • Head
    works in parallel
    based on the same visual feature from the backbone

    • IoU predictor
    • R-CNN
      • classification and regression brance take 512 RoIs per image from RPNs
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