Mutual Supervision for Dense Object Detection
Mutual Supervision for Dense Object Detection
作者用这幅图来描述分类和回归头的inconsistency,指出现有在目标检测中存在的问题。
FCOS的分类和回归头存在的问题,其实就是分类头和回归头不一致的问题,但是目标检测的主要目的是找出分类分数和回归分数同时比较好的结果,因此在训练中如何保持这两个头的一致性是一个很重要的问题,MuSu就是提出来解决这个问题
MuSu核心创新点:在训练中利用分类头的结果来给回归头定义样本,同理用回归头的结果给分类头定义样本
实现步骤:
(1)首先构建自适应的bag来筛选候选的anchor
(2)然后计算候选排名,依据是候选bag里面的分类和回归的结果
(3) 利用排名来对加权loss函数
第一步:先构建Candidate bag的目的是用这个bag来去除背景特征带来的噪音影响
第二步:候选bag里面的anchors进行一个分类结果和IoU结果的排名,利用这个排名对loss函数进行加权,是一种相互加权的模式,用分类分数排名对回归头加权,反之亦然。
第三步:设置权重。
具体细节请查看原文
消融实验只有这个可以体现MuSu确实在一定程度上减弱自己描述的回归和分类头不对齐问题,剩下的更多是定量的性能实验。
Mutual Supervision for Dense Object Detection相关推荐
- Mutual Supervision for Dense Object Detection(ICCV2021)阅读笔记
同上一篇一样,这边摸鱼笔记也是关于分类和回归分支的权重设计. 论文来源于2021ICCV,论文链接:https://openaccess.thecvf.com/content/ICCV2021/pap ...
- 目标检测--Focal Loss for Dense Object Detection
Focal Loss for Dense Object Detection ICCV2017 https://arxiv.org/abs/1708.02002 本文算是用简单的方法解决复杂的问题了,好 ...
- 目标检测 | RetinaNet:Focal Loss for Dense Object Detection
论文分析了 one-stage 网络训练存在的类别不平衡问题,提出能根据 loss 大小自动调节权重的 focal loss,使得模型的训练更专注于困难样本.同时,基于 FPN 设计了 RetinaN ...
- Focal Loss for Dense Object Detection(整理后转载)
@[TOC](Focal Loss for Dense Object Detection 论文目标 核心思想 focal loss的提出 交叉熵损失函数 focal loss的重要性质 focal l ...
- RetinaNet——《Focal Loss for Dense Object Detection》论文翻译
<Focal Loss for Dense Object Detection> 摘要 迄今为止最高精度的对象检测器基于由R-CNN推广的 two-stage 方法,其中分类器应用于稀疏的候 ...
- RetinaNet论文详解Focal Loss for Dense Object Detection
一.论文相关信息 1.论文题目:Focal Loss for Dense Object Detection 2.发表时间:2017 3.文献地址:https://arxiv.org/pdf ...
- 如何理解 “Dense object detection“中的dense?
第一大类是 从非Deep时代就被广泛应用的dense detector ,例如DPM,YOLO,RetinaNet,FCOS.在dense detector中,大量的object candidates ...
- 【翻译】Focal Loss for Dense Object Detection(RetinaNet)
[翻译]Focal Loss for Dense Object Detection(RetinaNet) 目录 摘要 1.介绍 2.相关工作 3.Focal Loss 3.1 平衡的交叉熵损失 3.2 ...
- Focal Loss for Dense Object Detection(RetinaNet)(代码解析)
转自:https://www.jianshu.com/p/db4ccd194109 转载于:https://www.cnblogs.com/leebxo/p/10485740.html
最新文章
- linux内存分配缺陷,Linux系统优化-内存错误分析
- Eclipse Git 克隆项目的时候出现Internal error; consult Eclipse error log
- OpenSSL 与 SSL 数字证书概念贴
- oracle plsql 到处dbf_plsql 导出oracle数据库
- sqli-lab--writeup(7~10)文件输出,时间布尔盲注
- 《IT项目管理那些事儿》——新浪微博抽奖活动
- Endless Spin
- 读数据库所有表和表结构的sql语句了(mssql)
- ubantu卸载MySQL数据库
- kettle同步数据 (SAP hana到 Mysql)
- ubuntu下将eth3改为eth0及HWaddr的修改
- Centos7 压缩文件
- 走近篮球运动·体育项目
- 简单写一下未来10年的职业规划
- Vista下最好用输入法 - 搜狗拼音输入法4.0正式版闪亮登场!
- MATLAB 矢量场
- C++(数据结构与算法):30---散列(哈希)表的介绍(散列函数、散列冲突、散列溢出)
- c语言程序中要用到阶乘,C程序使用递归求数字的阶乘
- ppt模板有哪些网站
- 5号字对应的数字字号_请问在WORD文档里,字体大小所对应的用数字表示是多少...