DSSD:Deconvolutional Single Shot Detector 论文阅读笔记

DSSD通过引入Resnet-101替换VGG网络,构建“沙漏”结构,增强小目标检测能力。虽然速度较SSD慢,但在小目标检测效果上有显著提升。实验表明,Resnet-101在大尺度输入时效果更优,DSSD尤其适合复杂背景和小目标检测。

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

在这里插入图片描述

1.动机在这里插入图片描述
2.贡献点

特点:DSSD将SSD的VGG网络用Resnet-101进行了替换,在分类回归之前引入了残差模块,在SSD添加的辅助卷积层后又添加了反卷积层形成“宽 - 窄 - 宽”的“沙漏”结构。DSSD相比SSD的一个最大的提升在于对小目标的检测度上DSSD有了很大的提升。

缺点:DSSD的检测速度相比SSD慢了很多,很大一部分原因在于引入的Resnet-101太深,同时也因为引入了额外的层----prediction module 和 deconvolutional module,以及更多的default box
在这里插入图片描述
图中的蓝色部分是SSD在基础网络的基础上添加的辅助层,红色部分是DSSD在SSD的后面添加的反卷积层,红色的反卷积层和蓝色的卷积层对

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