Blitznet网络理解笔记

BlitzNet是一种实时场景理解的深度网络,结合ResNet、SSD、DSSD等,实现目标检测和语义分割。通过多尺度检测和上下文信息增强,提高小目标检测精度。论文在Pascal Voc和COCO数据集上表现出色,但mAP计算存在争议。实验结果显示,检测和分割任务之间可能存在协同优化的空间。

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

Blitznet网络理解笔记

1 resnet的理解

https://blog.youkuaiyun.com/lanran2/article/details/79057994

2 DSSD的理解

https://www.cnblogs.com/xuanyuyt/p/7447111.html
https://blog.youkuaiyun.com/jesse_mx/article/details/55212179

3 Bliznet网络

https://blog.youkuaiyun.com/yaoqi_isee/article/details/77195029
https://blog.youkuaiyun.com/zhangjunhit/article/details/77577076

https://blog.youkuaiyun.com/shenxiaolu1984/article/details/51428392

4 Non-Maximum Suppression,NMS

https://www.cnblogs.com/makefile/p/nms.html

5 mAP理解

https://blog.youkuaiyun.com/zdh2010xyz/article/details/54293298

一、Introduction

BlitzNet: A Real-Time Deep Network for Scene Understanding
目标是做到实时的目标检测和语义分割,通过的简单的全卷积网络解决两个任务.在论文中作者表示两个任务的大部分权值是共享的.最终可以证明两个任务是一种相互促进的关系.

image

论文中作者给出的结果:

推理硬件:Titan X(Maxwell)

在Pascal Voc数据集上表现如下,300表示推理时的图片尺寸是300*300

model FPS mIoU mAp
BlitzNet300 24
评论 4
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