发布时间:2022-10-01 12:00
论文来源:知网
以下仅仅是学习过程中的部分笔记,用作自己复习。
.....
目标检测不仅需要判别图像中存在的目标的类别,还需要回归目标在图像中的位置。
特征耦合具体表现:分类和回归部分的网络共享参数,特征分布高度耦合。
分类和回归特征耦合对于目标检测算法的影响。具体表现在以下两点:
- (不一致性)分类分数与目标框回归一致性的问题,即分类分数最高的框不一定是最回归最准的框。
- (特征耦合)适用于分类的特征不一定适用于回归定位;同理,适合于定位的特征也不一定是该目标最具类别判别力的特征。
针对上述两个问题,设计了两种新颖的头部网络,对分类和回归特征进行解耦。
- 分类特征与回归预测不一致的问题,设计了一种分类回归一致性预测网络。
在分类与回归时,先对目标框进行一次回归,再提取回归后目标框中的特征进行分类,使得分类采用的特征与回归的预测输出保持一致,有效地缓解了分类分数与回归预测目标框不一致的问题。- 其次,针对 Faster RCNN 中分类回归部分存在的特征耦合问题,本文设计了一种任务解耦的特征提取方法。
本文将分类和回归部分拆分到两个子网络分布进行。
对于回归问题,为了采用坐标卷积的方式引入更丰富的空间知识。
对于分类问题,本文采用了可变形卷积,以期对于不同尺度形状的目标有更好的适应性。
我为OpenHarmony 写代码,战“码”先锋第二期正式开启!
『现学现忘』Docker基础 — 42、补充:save和load命令说明
【图像增强】基于Frangi滤波器实现血管图像增强附matlab代码
利用yolov实现目标检测——数据集格式转换以及划分训练集和验证集
【Turtle表白系列】你为什么还单身 ?因为昨天才遇见你。(爱心升级版本来袭)
【Java面试】Spring中 BeanFactory和FactoryBean的区别
9.6.c语言编写程序,能够输入100个学生的学号和姓名,并将学生按照学号由小到大排序。当输入一个学号时能用(二分查找)折半查找法找出该学生的姓名。