目标检测论文：ThunderNet: Towards Real-time Generic Object Detection（arxiv2019）

最新推荐文章于 2022-04-29 09:54:27 发布
最新推荐文章于 2022-04-29 09:54:27 发布
阅读量6.1k 收藏 15
点赞数 4
CC 4.0 BY-SA版权
分类专栏： Object Detection Paper Reading 文章标签： Object Detection
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/shanglianlm/article/details/88932983

ThunderNet：第一个实现了在ARM平台上的实时检测器和最快的单线程速度。

论文地址：https://arxiv.org/pdf/1903.11752.pdf
在这里插入图片描述
ThunderNet主要基于Shufflenet v2和Lighthead r-cnn改进，阅读ThunderNet前，建议对Shufflenet v2和Lighthead r-cnn有一定了解。
Shufflenet v2:Practical guidelines for efficient cnn architecture design
Lighthead r-cnn: In defense of two-stage object detector

1 算法思想

本文创新点颇多，而且很辅以充实的实验分析和对比。首先是整体架构如下图，整体的网络结构分为两部分：Backbone部分和Detection部分。网络的骨干部分为SNet，SNe

了解本专栏 订阅专栏 解锁全文 超级会员免费看
基于YOLOv10的移动端目标检测应用开发全流程指南
YOLO
07-06 259
目标检测技术经历了从传统方法（如HOG+SVM）到深度学习的革命性转变。R-CNN系列开创了两阶段检测的先河，而YOLO（You Only Look Once）则以其单阶段、端到端的特性迅速成为工业界首选。YOLOv10在保持实时性的基础上，进一步提升了检测精度，特别适合资源受限的移动设备。本文详细介绍了YOLOv10在移动端的完整部署流程，从数据集准备、模型训练到Android/iOS平台的实现。通过量化技术和平台优化，我们能够在移动设备上实现实时目标检测。模型蒸馏：使用更大的教师模型指导小模型训练。
【论文阅读笔记】ThunderNet: Towards Real-time Generic Object Detection
梁瑛平的博客
01-31 758
《ThunderNet: Towards Real-time Generic Object Detection》（一）论文地址：（二）解决的问题：（三）ThunderNet 的核心思想：（四）Backbone Part——SNet：1. Receptive Field（感受野）：2. Early-stage and Late-stage Features：3. SNet 的结构：（五）上下文增强模...
ThunderNet Towards Real-time Generic Object Detection
03-31
Real-time generic object detection on mobile platforms is a crucial but challenging computer vision task. However, previous CNN-based detectors suffer from enormous computational cost, which hinders them from real-time inference in computation-constrained scenarios. In this paper, we investigate the effectiveness of two-stage detectors in real-time generic detection and propose a lightweight two-stage detector named ThunderNet. In the backbone part, we analyze the drawbacks in previous lightweight backbones and present a lightweight backbone designed for object detection. In the detection part, we exploit an extremely efficient RPN and detection head design. To generate more discriminative feature representation, we design two efficient architecture blocks, Context EnhancementModule and Spatial Attention Module. At last, we investigate the balance between the input resolution, the backbone, and the detection head. Compared with lightweight one-stage detectors, ThunderNet achieves superior performance with only 40% of the computational cost on PASCALVOC and COCO benchmarks. Without bells and whistles, our model runs at 24.1 fps on an ARM-based device. To the best of our knowledge, this is the first real-time detector reported on ARM platforms. Code will be released for paper reproduction.
ThunderNet: Towards Real-time Generic Object Detection on Mobile Devices
qq_52302919的博客
04-29 1193
本文提出了一种轻量级的两级检测器ThunderNet。在主干部分，提出了一种用于目标检测的轻量级主干。在检测部分，开发了一种非常高效的RPN和检测头设计。为了生成更具区分性的特征表示，设计了两个高效的结构模块：上下文增强模块和空间注意模块。最后，作者研究了输入分辨率、主干和检测头之间的平衡。得益于高效的主干和检测部件设计，ThunderNet超越了以前的轻型单级检测器。
ThunderNet: Towards Real-time Generic Object Detection论文学习
calvinpaean的博客
11-11 338
Abstract 在移动端进行实时、通用的目标检测是非常重要，也非常艰巨的计算机视觉任务。但是，之前的基于CNN的检测器都要承受巨大的算力支出，使得它们无法在算力有限的场景中进行实时推理。在这篇论文中，作者探索了实时通用的双阶段检测器的有效性，提出了一个轻量级的双阶段检测器，称作 ThunderNet。在主干网络部分，作者分析了之前轻量级主干网络的缺陷，提出了一个用于目标检测的轻量级主干网络。在检...
ThunderNet: Towards Real-time Generic Object Detection论文阅读
donkey_1993的博客
04-10 3825
论文下载地址：https://arxiv.org/pdf/1903.11752.pdf 代码地址：等待开源，开源会第一时间发出来。 论文摘要： 目标检测算法在移动平台仍然是一个挑战。基于CNN的检测算法由于计算量很大很难在移动平台达到实时检测的要求。本论文中作者提出了实时检测的轻量级的two-stage算法。在基础网络部分，作者提出了一个轻量级的基础网络。在检测部分，作者...
【ThunderNet】《ThunderNet: Towards Real-time Generic Object Detection on Mobile Devices》
bryant_meng
02-29 681
ICCV-2019 文章目录1 Background and Motivation2 Advantages / Contributions3 Method4 Experiments4.1 Datasets5 Conclusion（own） / Future work 1 Background and Motivation 2 Advantages / Contributions 3 Met...
论文翻译之Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
加油
04-08 2058
摘要 最先进的物体检测网络依靠区域提议（proposal）算法来假设物体的位置。 SPPnet [1]和Fast R-CNN [2]之类的进步减少了这些检测网络的运行时间，暴露了区域提议计算的瓶颈。在这项工作中，我们介绍了一个区域提议网络（RPN），该区域提议网络与检测网络共享全图像卷积特征，从而实现几乎免费的区域提议。RPN是一个完全卷积的网络，可以同时预测每个位置的对象边界和对象得分。对RPN...
目标检测经典论文——YOLO论文翻译：You Only Look Once: Unified, Real-Time Object Detection（YOLO：统一的实时目标检测）
bigcindy的博客
07-30 4642
You Only Look Once: Unified, Real-Time Object Detection YOLO：统一的实时目标检测 Joseph Redmon*, Santosh Divvala*†, Ross Girshick¶, Ali Farhadi*† University of Washington*, Allen Institute for AI†, Facebook AI Research¶ http://pjreddie.com/yolo/ ...
Towards Real-Time Multi-Object Tracking(JDE)论文阅读笔记
风行
02-02 1424
（一）Title 前言：从之前的文献中，大致了解到这篇文献是在YOLOv3的基础上进行的跟踪任务，我们希望能够基于YOLOv3做一部分的跟踪工作，因此，打算对当前的论文记录一个阅读笔记。 论文地址：https://arxiv.org/pdf/1909.12605v1.pdf 代码地址：https://github.com/Zhongdao/Towards-Realtime-MOT 数据集地址：https://github.com/Zhongdao/Towards-Realtime-MOT/blob/m
regionlets for generic object detection个人理解
02-18
资源为本人在原文基础上的个人理解做的ppt报告，内含详细备注。时隔大半年拿出来回顾，思路清晰，很有帮助。
ThunderNet: Towards Real-time Generic Object Detection（论文精度）
qq_42738654的博客
01-03 274
摘要 本文提出了第一个在arm上运行的实时的单线程速度最快的模型结构，分析之前lightweight backbones 的缺点，提出了一个轻量级的backbone，充分使用RPN，设计SAM和CEMblock减少计算量，产生更多discriminative feature，最后寻求resolution，backbone与head之间的平衡。 ——————————————————————————...
目标检测论文阅读笔记：《ThunderNet: Towards Real-time Generic Object Detection on Mobile Devices》
weixin_42075898的博客
06-17 478
1 概述 本文基于ShuffleNetV2提出了一个轻量目标检测网络，称为ThunderNet，主要有两个创新点：①CEM(Context Enhancement Module)，与FPN类似，用于融合浅层特征和深层特征；②SAM(Spatial Attention Module)，用于增强目标特征 轻量化体现在两方面：①将ShuffleNetV2中3x3卷积更换为5x5卷积，在增大感受野使特征包含更多空间信息的同时降低参数量；②移除conv5的同时在之前的stage中增加channel数，这在不增加参数
ThunderNet 论文笔记
qq_30146937的博客
03-04 335
前言 关于实时目标检测，作者提出two-stage和one-stage中存在的问题： two-stage检测器倾向于使用特别复杂的detection head来达到更好的精度，这对于移动设备来说是可望不可及的。Light-Head R-CNN虽然采用了轻量级的detection head以实现实时检测，但它在head上的计算依然比在backbone上的计算要高出不少，这会造成巨大的计算冗余，并且...
Towards Real-Time Multi-Object Tracking 的介绍与分析
weixin_45668482的博客
09-09 1759
论文链接：https://arxiv.org/pdf/1909.12605.pdf 代码链接：https://github.com/Zhongdao/Towards-Realtime-MOT 翻译链接：https://blog.youkuaiyun.com/weixin_42907473/article/details/104407606 摘要 现在的MOT系统通常使用tracking-by-detection的方式。这种方式有以下两个部件：1）用于目标定位的检测模型，2）用于数据关联(data association
旷视科技提出：最新实时目标检测网络ThunderNet
一路狂奔的猪的博客
03-31 1539
转自：https://mp.weixin.qq.com/s/XIjQpYjcDKltccLicTOKcQ 国防科大&旷视科技：据我们所知，ThunderNet实现了ARM平台上的第一个实时检测器和最快的单线程速度。 [论文地址](https://arxiv.org/pdf/1903.11752.pdf) 代码即将开源 ...
轻量级实时目标检测网络--ThunderNet：轻量级实时检测网络
yychentracy的博客
06-21 7162
网络的整体结构 网络的整体结构包括，backbone部分和detection 部分，骨干网络是SNet，这个网络i是基于shuffleNetV2进行修改得到的。网络的检测部分，利用了压缩的RPN网络，修改Light-Head R-CNN网络提高效率，CEM整合局部和全局特征增强网络特征的表达能力，并提出了SAM空间注意力机制，引入来自RPN的前后景信息用以优化特征分布。 二：backbone部分...
MOT论文笔记《Towards Real-Time Multi-Object Tracking》
热门推荐
越努力，越幸运
10-18 1万+
论文地址：https://arxiv.org/pdf/1909.12605v1.pdf 代码地址：https://github.com/Zhongdao/Towards-Realtime-MOT Abstract 当前的多目标跟踪（MOT）系统通常遵循 “tracking-by-detection”的方式，主要由两部分组成（1）检测模型----用于目标定位（2）appearance em...
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 这个论文相关方向的论文，可以复现的论文
最新发布
06-16
- **标题**：ThunderNet: Towards Real-Time Generic Object Detection - **代码**：[GitHub - ouyanghuiyu/Thundernet_Pytorch](https://github.com/ouyanghuiyu/Thundernet_Pytorch) - **贡献**： - 专为...
评论 4
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

打赏作者

mingo_敏

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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