zoukankan      html  css  js  c++  java
  • Object Detection的一些进展(Valse2020.4.30)

    • 目标检测的定义

    给定一幅图像,判断出其是否存在感兴趣区域, 如果存在,则给出感兴趣区域物体的类别和位置。

    • 目标检测的大类

    根据anchor可分为anchor-based和anchor-free。

    1. anchor-based:one-stage 和two-stage。(two-stage中最耗时的是roi-pooling)
    2. anchor-free:center-based和keypoint-based。

     

    (1)anchor-based-RefineDet:

    one-stage速度快但精度低,two-stage速度慢但精度高,根据分析,其实two-stage最耗时的地方时roi-pooling。于是RefineDet为了中和速度和精度,提出了一个1.5stage 的目标检测算法。

    ARM与RPN类似,过滤掉背景proposal,TCN类似FPN的模块,ADM

      

    TCB模块其实类似FPN,只是稍微有所不同。

     AlignConv:

    (2)anchor-free思考——ATSS(Adaptive Training Sample Selection )策略:

     作者通过分析anchor-based和anchor-free的方法的跟别差别发现了采样对anchor-based方法的重要性。

    其中,作者比较了RetinaNet(anchor-based)和FCOS(anchor-free)两个方法,发现他们俩在正负样本采样的时候有区别,虽然回归方式的时候也有些差异,但是points回归和anchor回归对算法差异不大,因此作者基于正负样本的采样方式提出了ATSS策略。

     ATSS策略思想:

    每次在FPN每层根据anchor的中心点和gt的中心点的IOU的距离选取k个anchor,然后计算这些k个anchor和gt的IOU的距离的均值和方差。根据经验值选取均值和方差作为阈值进行候选,对这些anchor进行丢掉(负样本)或者保存(正样本)。

     结论:对于目标检测,合理的正负样本回归其实是影响目标检测效果的根本原因,回归的时候不管是哪种回归loss其实影响不大。

  • 相关阅读:
    第七周上机
    第六周作业
    第六周上机作业
    第五周上机作业
    java第四周作业
    上机作业
    第三次java作业
    java作业
    第七周作业
    JAVA第七周上机作业
  • 原文地址:https://www.cnblogs.com/yeshengCqupt/p/12919957.html
Copyright © 2011-2022 走看看