zoukankan      html  css  js  c++  java
  • 目标检测算法-CoupleNet

    CoupleNet的网络结构:

    在R-FCN只提取了局部信息,只利用提取局部信息置信度非常低,所以需要将全局信息进行融合来提高准确率。比如,对于边界的物体,全局信息的置信度不高,但是在录入人眼,嘴巴这些地方的局部信息的置信度会比较高。对于结构体比较简单的物体,比如餐桌,凳子等,局部信息置信度就会比较低,但是全局信息置信度比较高。

    整体框架为,从RPN中生成了候选框ROI之后,分两路前进,一路为Local FCN,PSROI Pooling提取局部信息;一路为Global FCN提取全局信息,最终融合在一起做判定。

    Local FCN:

    提取局部信息(就是R-FCN中的部分),在Conv5之后,经过1×1大小,channel数为k×k×(c+1)的卷积核,得到位敏feature map,然后利用产生的feature map进行PSROI Pooling。

    Global FCN:

    ROI Pooling是具有提取全局特征的,因为它就像把ROI对应的feature map 压缩了一下,但是答题信息还是保留的,因此提取全局信息就采用了原始的ROI Pooling,并且引入上下文信息,通过将ROI对应的feature map向外扩大一倍的方式获取。

  • 相关阅读:
    jQuery的基本使用、实践、效果、API
    关于Nginx那些事儿
    Linux下安装Nginx(保姆教程)
    jQuery的那些事儿
    k8s的应用回滚--record
    MySQL之PXC
    MySQL之高可用MHA
    MySQL之主从半同步复制
    MySQL之MyCat
    MySQL之主从复制
  • 原文地址:https://www.cnblogs.com/cucwwb/p/13278296.html
Copyright © 2011-2022 走看看