【论文笔记】：Cascade RetinaNet

最新推荐文章于 2022-11-25 17:08:01 发布
最新推荐文章于 2022-11-25 17:08:01 发布
阅读量1k 收藏 3
点赞数 1
分类专栏： # 其他 # 特征层面 文章标签： 计算机视觉
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/qq_41375609/article/details/105193028
版权
Cascade RetinaNet通过逐步增加IoU阈值改善分类置信度，采用FCM网络解决不同阶段特征不一致性，提高了RetinaNet的性能和定位准确性。

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

&Title

在这里插入图片描述

&Summary：

Motivation
作者认为RetinaNet天真的直接将相同设置的多级串联在一起是没有多大收获，主要是类别的置信度和坐标之间的错误联系，以及不同Stage之间的FeatureMap的联系发生变化。因此，提出Cascade RetinaNet。感觉就得是采用Cascade R-CNN的方法应用在Retina Net 上，再加了点自己的FCM网络。

Contributions

  • 探讨
最低0.47元/天 解锁文章
[论文解读]ICCV2019|Cascade RetinaNet: Maintaining Consistency for Single-Stage Object Detection
一碗白开水一
10-09 930
题目：Cascade RetinaNet:Maintaining Consistency for Single-Stage Object Detection 作者：HongKai Zhang; Hong Chang;BingPeng Ma等 Motivation: 作者认为RetinaNet天真的直接将相同设置的多级串联在一起是没有多大收获，主要是类别的置信度和坐标之间的错误联系，以及不同Stag...
Focal Loss
热门推荐
AI之路
08-10 10万+
论文：Focal Loss for Dense Object Detection 论文链接：https://arxiv.org/abs/1708.02002 优化版的MXNet实现：https://github.com/miraclewkf/FocalLoss-MXNet RBG和Kaiming大神的新作。 我们知道object detection的算法主要可以分为两大类：two-stag...
Cascade RetinaNet 论文学习
calvinpaean的博客
12-16 1371
论文地址：https://arxiv.org/abs/1907.06881v1 Abstract 最近很多研究都在尝试通过级联的方式来提升单阶段目标检测器的检测性能。在这篇论文中，作者分析并发现不一致性是制约此类模型表现的一个主要因素。这些模型将优化后的 anchors（预测边框） 和之前位置提取的特征联系起来，造成分类与定位无法对齐。作者针对级联方式提出了两个设计规则：提高分类置信度和定位表现的...
cascaded_mobilenet-v2
11-30
联MobileNet-V2实现CelebA人脸关键点检测（附训练源码）
CascadeTabNet:该存储库包含CascadeTabNet论文“ CascadeTabNet”的代码和实现细节。
03-19
级联表网 CascadeTabNet：一种从基于图像的文档进行端到端表检测和结构识别的方法 ， ， ， ， 该论文在发表（口头）虚拟口头演示 1.简介 CascadTabNet是一种自动的表格识别方法，用于解释文档图像中的表格数据。我们提出了一种改进的基于深度学习的端到端方法，用于解决使用单个卷积神经网络（CNN）模型的表检测和结构识别问题。 CascadeTabNet是基于级联蒙版区域的CNN高分辨率网络（级联蒙版R-CNN HRNet）的模型，该模型检测表的区域并同时从检测到的表中识别结构体单元。我们在ICDAR 2013，ICDAR 2019和TableBank公共数据集上评估结果。我们在ICDAR 2019比赛后结果中排名第三，用于表检测，同时获得ICDAR 2013和TableBank数据集的最佳准确性结果。我们还在ICDAR 2019表格结构识别数据集上获得了最高准确
机器学习知识经验分享之三：基于卷积神经网络的经典目标检测算法
m0_70388905的博客
11-25 2520
机器学习知识经验分享之三：基于卷积神经网络的经典目标检测算法
【常用检测框架】DetNet/Casecade RCNN/FCOS/RetinaNet
qq_43257640的博客
04-23 1242
DetNet 在DetNet提出之前，检测框架的backbone一般都是用分类框架，或在上面稍加改动。分类框架用于检测有以下几个缺点： 1、stage(不同尺度的特征图，用于多尺度检测)少，只能自己加，但没有相应的预训练的权重。 2、downsample丢失信息严重。分类框架只需要预测类别，相比检测容许丢失更多的信息。 detNet在resNet50的基础上作改进。改动部分为con4_x（stag...
RetinaNet论文理解
JustForYou的博客
10-24 4万+
paper：Focal Loss for Dense Object Detection link：RetinaNet 引言 目前精度最高的目标检测器都是基于R-CNN结构衍生出来的two-stage目标检测方法，相反one-stage的探测器应用于目标可能位置的密集采样中，具有更快更简单的特点但是精度落后two-stage的检测器；在本文的研究中发现造成这种情况的核心问题是密集检测器在训练过程中...
【实验】COCO数据集上的实验
FSALICEALEX的博客
08-21 3384
1.MMdetection上的实验 1.1 cascade_rcnn_x101 CUDA_VISIBLE_DEVICES=3 python ./tools/test.py ./configs/cascade_rcnn_x101_64x4d_fpn_1x.py ./checkpoints/cascade_rcnn_x101_64x4d_fpn_2x_20181218-5add321e.pth --o...
Retinanet训练自己的数据（1）：数据准备
mingyang_wang的博客
01-04 8523
  自己之前用的模型在准确性以及实时性方面没有达到一个很好的均衡，在大佬同学的介绍下，开始转向Retinanet。 1.运行环境 运行环境：Windows10操作系统，python3.6（通过anaconda安装），tensorflow1.10，keras2.2.4。 2.数据预览   主要参考github上一篇介绍文档：https://github.com/fizyr/keras-ret...
RetinaNet——《Focal Loss for Dense Object Detection》论文翻译
PPLLO_o的博客
04-01 6050
《Focal Loss for Dense Object Detection》 摘要 迄今为止最高精度的对象检测器基于由R-CNN推广的 two-stage 方法，其中分类器应用于稀疏的候选对象位置集。相比之下，在可能的物体位置的规则，密集采样上应用的 one-stage 探测器具有更快和更简单的可能性，但迄今为止已经落后于 two-stage 探测器的精度。在本文中，我们调查为什么会这样。我们...
RetinaNet阅读笔记
watermelon1123的博客
03-25 722
《Focal Loss for Dense Object Detection》是Facebook AI 2017年提出的论文，这篇文章的贡献我觉得主要有两点： 提出了one-stage 目标检测模型RetinaNet 探究了one-state目标检测的类别失衡问题，并针对该问题提出了Focal Loss 类别失衡 为什么two-stage目标检测强于one-stage In this p...
【今日CV 计算机视觉论文速览 第144期】Wed, 17 Jul 2019
TomRen
07-21 6706
第144期 视觉论文速览 --残差金字塔深度估计 --通道，空间特征提升模块 --感知评价 --动作数据集Kinetics-700 --细粒度食物数据集Foodx-251 --场景文字合成渲染
Cascade RPN，结构的艺术带来极致提升 | NeurIPS 2019
AI科技大本营
01-13 1909
作者 | VincentLee来源 |晓飞的算法工程笔记（ID: gh_084c810bc839）导读：论文提出Cascade RPN算法来提升RPN模块的性能，该算法重点解决了RPN...
[论文解读]AAAI 2019|M2Det:A Single-Shot Object Detector based on Multi-Level Feature Pyramid Network
一碗白开水一
06-11 950
论文题目：A Single-Shot Object Detector based on Multi-Level Feature Pyramid Network 论文作者：Qijie Zhao , Tao Sheng ,Yongtao Wang , Zhi Tang , Ying Chen , Ling Cai and Haibin Ling
目标检测-论文汇总
VIEO
11-13 2334
转载：https://www.zhihu.com/question/311086366/answer/595155655 目标检测（对象检测）算法合集（持续更新）：https ://blog.youkuaiyun.com/amusi1994/article/details/81042923 csdn博客：https : //blog.youkuaiyun.com/hw5226349/article/details/8...
【论文】RetinaNet
梦想是要有的，万一实现了呢！
04-07 4801
论文地址：https://arxiv.org/pdf/1708.02002.pdfhttps://arxiv.org/pdf/1708.02002.pdf 题目：密集目标检测的焦点损失 图 1. 我们提出了一种新的损失，我们称之为 Focal Loss，它在标准交叉熵标准中添加了一个因子 (1 - p t ) 的γ次方。设置 γ > 0 可减少分类良好的示例的相对损失（p t > .5），将更多注意力放在难分类的错误示例上。正如我们的实验将证明的那样，所提出的焦点损失能够在存在大量简单
【论文笔记】：NAS-FPN: Learning Scalable Feature Pyramid Architecture for Object Detection
Activewaste
08-06 1万+
&Title: NAS-FPN: Learning Scalable Feature Pyramid Architecture for Object Detection &Summary 目前最先进的卷积结构用于物体检测是手工设计的。 在这里，我们的目标是一个更好的学习可扩展特征金字塔结构，用于目标检测。在一个覆盖所有交叉尺度连接的可扩展搜索空间中，采用神经网络结构搜索，发现了...
【论文笔记】：ASFF:Learning Spatial Fusion for Single-Shot Object Detection
Activewaste
04-28 7836
&Title ASFF:Learning Spatial Fusion for Single-Shot Object Detection 代码 &Summary 不同特征尺度之间的不一致性是基于特征金字塔的单阶段检测器的主要缺陷。 本文提出了一种新的基于数据驱动的金字塔特征融合策略，称为自适应空间特征融合（ASFF）。它学习了空间过滤冲突信息的方法来抑制不一致性，从而提高了特...
Hibernate关联映射深入理解：cascade与inverse详解
### 关联映射 Cascade 和 Inverse 讲解 #### 1. Hibernate 简介 Hibernate 是一个开源的、对象关系映射 (ORM) 框架，它为Java语言与各种关系数据库之间的映射提供了完整的解决方案。在ORM中，开发者可以使用Java...
评论 1
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
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