R-FCN

针对Faster-RCNN在不同proposal间不共享计算导致的效率问题,微软He SunJian与清华大学团队于2016年提出了R-FCN。通过引入Position-sensitive score map及Position-sensitive RoI pooling,有效提升了目标检测的平移不变性与精确度。

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

微软He\Sun Jian和清华大学2016年提出R-FCN,为了解决Faster-RCNN的ROI层后的结构对不同的proposal不共享带来的FC计算消耗问题。在清华的Hypernet中加速方式是将ROI后的conv层放在ROI前面,但是现在证明会影响平移可变性,降低精度。为加强结构的可变性提出新的方式是:Position-sensitive score map和 Position-sensitive RoI pooling结构。

这里写图片描述
REF:
http://jacobkong.github.io/posts/3678248031/
https://blog.youkuaiyun.com/u013010889/article/details/78630871
https://www.jianshu.com/p/409fd61db9db

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