RFCN论文阅读笔记

最新推荐文章于 2021-10-23 09:08:47 发布
最新推荐文章于 2021-10-23 09:08:47 发布
阅读量1.5k 收藏 1
点赞数
分类专栏： 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_42277222/article/details/82990456
版权
本文详细解读了RFCN（Region-based Fully Convolutional Networks）论文，指出相较于Faster R-CNN，RFCN通过全卷积网络实现计算共享，加速目标检测过程。此外，RFCN利用位置敏感得分图和ROI池化提升检测精度。在网络结构上，RFCN在ResNet-101基础上进行调整，以保持高分辨率的得分图。在训练时，采用交叉熵损失和回归损失。总结来说，RFCN在速度和效果上均有优化。

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

论文地址

内容

  • 经典的基于区域的检测器faster-rcnn，可以看成以ROI pooling为界的两个部分组成的网络: 一个部分是ROI pooling层之前的特征提取部分以及RPN候选框提取部分，该部分计算共享；另外一个部分是ROI之后，用于目标检测，该部分对于每个proposal框都需要进行一遍计算。后半部分由于是per-ROI的，所以比较费时。
  • 另外关于ROI pooling插入的位置
    1. 越靠近输入，检测部分的网络就越深，检测的效果会越好，但是相应带来的坏处是费时
    2. 越远离输入，检测部分的网络就越浅，检测的效果相对会差一点，但是速度快。
  • 在基于resnet的faster-rcnn中ROI pooling层是插在最后一个residual block前面的，以换到较好的检测结果。同时在卷积block前插入ROI pooling能够打破后面网络的平移不变性，使得后序网络对目标的位移会更敏感
  • 基于前面内容，作者提出了一种全卷积网络，所有的计算基本上是共享的。并且讲检测部分网络的深度压缩到了0. 从下图可以看到，RFCN前101层全是一个共享的subnet，ROI-wise的子网络深度为0
最低0.47元/天 解锁文章
R-FCN论文解读
格子衫的博客
05-04 942
相比较之前的faster-rcnn而言，rfcn比之运行速度更快，效率更高，在准确率上也没有下降。那么rfcn网络到底是什么样的网络呢？其比faster-rcnn的区别在哪里呢？一、rfcn的基本结构：1.一个基本的conv网络：ResNet101--------------->提取基本的特征2.一个RPN网络（Faster Rcnn来的）3.一个position sensitive的pre...
rfcn 共享_【论文解读】Deep Burst Denoising/RFCN
weixin_39865440的博客
01-05 275
1. 简介许久没更，今天忙里偷闲（终于想写）再写一篇.....本文要写的是对两篇文章的理解和认识，分别是Deep Burst Denoising 和 End-to-End Denoising of Dark Burst Images Using Recurrent Fully Convolutional Networks (RFCN)，两篇文章的思想都在于，将RNN的思想用于图像序列的去噪和增强。...
论文阅读 R-FCN: Object Detection via Region-based Fully Convolutional Networks
复兴之矢
02-24 1481
本文转载自： http://www.cnblogs.com/lillylin/p/6277094.html R-FCN论文阅读（R-FCN: Object Detection via Region-based Fully Convolutional Networks ）   目录 作者及相关链接方法概括方法细节实验结果总结参考文献  
目标检测9：RFCN文章收集
微风❤水墨
12-05 1135
方便自己查找与备忘 http://blog.youkuaiyun.com/hx921123/article/details/55804685?locationNum=3&fps=1     https://www.cnblogs.com/shouhuxianjian/p/7710707.html     http://blog.youkuaiyun.com/baidu_32173921/articl...
《R-FCN: Object Detection via Region-based Fully Convolutional Networks》论文详解
Michael’s Blog
04-29 524
《R-FCN: Object Detection via Region-based Fully Convolutional Networks》 作者公布的代码地址（caffe版）：https://github.com/daijifeng001/r-fcn 这篇文章主要目的还是想再在fasterrcnn的基础上，加快物体检测的速度，但是网络加速时需要注意，物体检测其实是有两个目标的，一个是检测一个是...
论文阅读笔记Saliency Detection with Recurrent Fully Convolutional Networks
qq_33964352的博客
11-20 2664
 摘要     深度网络已经被证明可以编码高级语义特征，并在显着性检测中提供卓越的性能。 在本文中，我们通过使用循环完全卷积网络（RFCN）开发新的显着性模型更进一步。此外，循环体系结构使我们的方法能够通过纠正其先前的错误自动学习优化显着性映射。 为了训练具有多个参数的这样的网络，我们提出了使用语义分割数据的预训练策略，其同时利用对分割任务的强有力的监督以进行更好的训练，并使网络能够捕获对象的通...
论文笔记 | R-FCN: Object Detection via Region-based Fully Convolutional Networks
bea_tree的博客
07-04 1万+
Authors Jifeng Dai，Yi Li，Kaiming He，Jian Sun 代季峰 代码里还有百度云盘的连接，为国人考虑的真周到，只是自己的显卡不足~ Abstract 本文提供了region-based，fully convolutional networks，用于快速精确的目标检测。Fast或者Faster在per-region的时候都需要subnetwor
【论文笔记】：Focal Loss for Dense Object Detection
Activewaste
07-12 886
&Title: Focal Loss for Dense Object Detection &Summary RetinaNet 是目前目标检测最为优秀的方法之一，在COCO数据集上达到了单个模型的state of art 的效果, 由Kaiming He团队所作。 作者发现导致one-stage算法性能劣于two-stage算法的主要原因是region proposal时前景和背...
目标检测综述《Object Detection in 20 Years: A Survey》阅读笔记（一）
yjyjjyjy1231的博客
05-08 3054
文章目录OBJECT DETECTION IN 20 YEARSA Road Map of Object DetectionMilestones: Traditional DetectorsMilestones: CNN based Two-stage DetectorsRCNNSPPNet OBJECT DETECTION IN 20 YEARS A Road Map of Object Det...
RFCN的理解
weixin_45209433的博客
10-23 1201
在ResNets 、GoogleNets等分类网络是有卷积结构和fc全连接结构组成，我们知道，分类任务具有平移不变性，目标在图片的哪位位置，都不影响它的类别标签。 在目标检测，例如fast-rcnn 和 faster-rcnn中，主干网络backbone采用的都是分类网络，例如ResNets等，因此是在最后一层空域的卷积层上做roi pooling，很自然的，roi pooling将整个检测网络分成了两个部分，第一个部分是权重共享、独立于roi的全卷积网络，第二个是由roi 特征组成的网络。 ...
tensorflow的目标检测模型rfcn_resnet101_coco_11_06_2017
06-21
tensorflow的目标检测模型rfcn_resnet101_coco_11_06_2017
RFCN-tensorflow：TensorFlow中的RFCN实施
02-06
TensorFlow实施RFCN 论文可在。 建造 ROI池和MS COCO加载程序需要首先进行编译。 为此，请在项目的根目录中运行make。 如果需要特殊的链接器/编译器选项，则可能需要编辑BoxEngine / ROIPooling / Makefile 。 注意：如果您的系统上有多个python版本，并且要使用与“ python”不同的版本，请在调用make之前提供一个名为PYTHON的环境变量。 例如：PYTHON = python3 make 尝试加载.so文件时，可能会遇到未定义的符号问题。 如果您自己构建TensorFlow版本，而Makefile无法自动检测到您的ABI版
Tensorflow object detection API 源码阅读笔记：RFCN
Wayne2019的博客
12-16 2534
有了前面Faster R-CNN的基础，RFCN就比较容易了。"""object_detection/meta_architectures/rfcn_meta_arch.py The R-FCN meta architecture is similar to Faster R-CNN and only differs in the second stage. Hence this class inh
目标检测总结：Ｒ-FCN
Tianlock的博客
02-20 492
目标检测总结：R-FCNRFCNposition sensitive score mapposition-sensitive roi poolingposition-sensitive regression其他细节 　　卷积神经网络用于图像分类已经取得了很大的成功，其精度已经超过了人眼，而用卷积层构建目标检测的卷积网络进而进行目标检测，得到的结果却和图像分类差别很大。分析原因，在于图片分类的平移不...
目标检测及分类方法总结（RFCN/SSD/RCNN/FastRCNN/FasterRCNN/SPPNet/DPM/OverFeat/YOLO）
qq_35196207的博客
05-15 2071
转载自：默一鸣目标检测文章这里搜集了一些关于物体检测的方法分析和介绍，看好哪个可以去详细研究一下，基本都有论文或代码的链接。这里是简述各种方法，下面有详细叙述方法选择：========DPM=========使用传统的slider window的方法 计算量非常大========OverFeat====改进了Alex-net，并用图像缩放和滑窗方法在test数据集上测试网络；提出了一种图像定位的方...
目标检测方法——R-FCN
weixin_30316097的博客
01-13 480
R-FCN论文阅读（R-FCN: Object Detection viaRegion-based Fully Convolutional Networks ） 目录 作者及相关链接 方法概括 方法细节 实验结果 总结 参考文献 作者及相关链接 作者： 作者链接：代季峰，何恺明，孙剑 论文链接：论文传送门 代码链接：mat...
目标检测方法总结（RFCN/SSD/RCNN/FastRCNN/FasterRCNN/SPPNet/DPM/OverFeat/YOLO）
热门推荐
复兴之矢
02-19 2万+
本文转载自： http://blog.youkuaiyun.com/yimingsilence/article/details/53995721 这里搜集了一些关于物体检测的方法分析和介绍，看好哪个可以去详细研究一下，基本都有论文或代码的链接。 这里是简述各种方法，下面有详细叙述 方法选择： ========DPM========= 使用传统的s
深度学习项目：TensorFlow实现RFCN
文档主要围绕RFCN（Region-based Fully Convolutional Networks）模型在TensorFlow框架下的实施进行介绍。RFCN是一种用于目标检测的深度学习模型，它提出了使用全卷积网络替代传统区域建议网络（Region Proposal ...
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
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