[论文解读]ICCV 2019|LRF：Learning Rich Features at High-Speed for Single-Shot Object Detection

一碗白开水一

于 2020-11-25 17:58:29 发布

阅读量349

点赞数 1

分类专栏：论文阅读

本文链接：https://blog.youkuaiyun.com/weixin_43859829/article/details/110137493

版权

该论文提出了一种结合预训练模型微调和从零开始训练优势的一阶段检测框架。通过添加轻量级的辅助网络（LSN），改善了特征提取，并引入了双向网络以双向传递语义信息，提高目标检测的精度和速度。实验结果展示了方法的有效性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

题目：Learning Rich Features at High-Speed for Single-Shot Object Detection
作者：Tiancai Wang, Rao Muhammad Anwer , Hisham Cholakkal , Fahad Shahbaz Khan Yanwei Pang , Ling Shao 2

Motivation:
作者认为从头开始训练太慢，但又怕失去精度，因此提出在backbone旁边加一个LSN网络，合并两者优点；并且觉得top-down的网络，只会把语义信息从高到低传播，因此，又提出bi-directional network。

Method：
作者设计了一个one-stage检测框架，它结合了微调预训练模型和从零开始训练的优点。该框架包括一个预训练过的标准backbone网络，一个轻量级的从零开始训练的辅助网络。此外，作者认为通常使用的自顶向下的金字塔表示只关注于将高级语义从顶层传递到底层，因此在检测框架中引入了一个双向网络，它可以有效地传递中低层次和高层次的语义信息。
在这里插入图片描述 Light-Weight Scratch Network（LSN）：

S

最低0.47元/天解锁文章