认真写的博客

文章目录背景模型输出Bounding Box PredictionObjectness ScoreClass Predictionloss背景输入320x320，精度和ssd一样，但速度是ssd的三倍。模型输出Bounding Box Prediction通过网格的方法建模每个网格负责预测bounding box中心点落在自己区域的目标。txt_{x}tx​ 相对所属网格左上角横坐标的偏移量tyt_{y}ty​ 相对所属网格左上角纵坐标的偏移量twt_{w}tw​ 相对对应anchor的对

文章目录背景性能模型结构后处理损失函数背景模型的效率在计算机视觉中变得越来越重要，作者系统地研究了用于目标检测的神经网络体系结构设计选择并提出一些关键的优化措施以提高效。首先，提出一个新的FPN结构BiFPN。其次，我们提出了一种复合缩放方法，该方法可以在同一时间统一缩放所有主干，特征网络和框/类预测网络的分辨率，深度和宽度。性能modelAPParamsEfficientDet-D0 (512)34.33.9MEfficientDet-D1 (640)40.26

背景检测就是识别出图中目标的位置，目前常用物体检测器详尽列出潜在物体的位置并对每个位置进行分类。 这是浪费，低效的，并且需要额外的后处理。 而centernet，作为一个anchor free模型，将对象bounding box的中心点进行建模。 以热力图的形式找到中心点，并通过中心点回归到所有其他对象属性，例如大小、方向甚至骨骼点。性能Object Detection on COCO validationmodelbackbonefpsAPCenterNet-DLADL