多尺度目标检测--Scale-Aware Trident Networks for Object Detection

本文介绍将Dilated convolution用于多尺度目标检测,该方法最初用于语义分割。还提及多尺度目标检测的常见策略,如feature pyramids生成多级特征但牺牲不同尺度特征一致性,以及用不同扩张率共享相同参数生成特定尺度特征图。

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

Scale-Aware Trident Networks for Object Detection
https://github.com/TuSimple/simpledet/tree/master/models/tridentnet

本文将 Dilated convolution 用于多尺度目标检测,Dilated convolution 最先用于语义分割。

多尺度目标检测的几个常见策略
在这里插入图片描述
feature pyramids generate multi-level features thus sacrificing the feature consistency across different scales

在这里插入图片描述

share the same parameters with different dilation rates to generate scale-specific feature maps

在这里插入图片描述

在这里插入图片描述

11

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