DSSD:Deconvolutional Single Shot Detector-------论文理解

本文详细介绍了DSSD(Deconvolutional Single Shot Detector)论文,该模型通过替换SSD中的VGG-16为ResNet-101提升特征提取能力,并在检测网络后加入反卷积层以获取更丰富的上下文信息。作者避免了对称的编码解码结构以优化速度,实验表明反卷积层结合点对点相乘能提高检测精度。

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

参考博客:https://blog.youkuaiyun.com/jesse_mx/article/details/55212179?utm_source=itdadao&utm_medium=referral

1. 概述

改论文中,作者总的有两个贡献:

一,将原始的SSD中用到的骨干网络vgg-16换为resnet-101,目的是为了使特征提取能力更强;

二,检测网络中,在原有SSD后添加的几个层之后加入额外的反卷积层,目的是使网络可以提取到更丰富的上下文信息。

2. 网络模型

在此,详细讲解反卷积模块 。

正常情况下,反卷积模型在编码和解码阶段应该包含对称的层。但论文中作者并没有用到对称性,而是将反卷积模块设置的相对较浅,原因有两个:一,检测是视觉的基本任务,可能需要为下游任务提供信息。 因此速度很重要。设置对称的编码解码阶段导致时间翻倍。二,反卷积部分没有预训练模型,因为分类提供了一个完整的图像标签,而不是检测中的全局标签。如果模型从头开始学将导致对称编码解码浪费的时间更多。

具体的操作步骤如下:

首先,

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