【目标检测--tricks】FPN和PAN
一、FPN结构
FPN结构图:
FPN通过利用常规CNN模型内部从底至上各个层对同一scale图片不同维度的特征表达结构,提出了一种克有效在单一图片视图下生成对其的多维度特征表达的方式。它可以有效地赋能常规CNN模型,从而可以生成出表达能力更强地feature maps以供下一阶段计算机视觉任务(如object detection/semantic segmentation等)来使用。本质上说它是一种加强主干网络CNN特征表达的方法。
二、PAN结构
PAN即PANet,结构图如下:
简答来说,就是在FPN上采样融合的特征金字塔之后,又增加了一个下采样融合的特征金字塔。原版的PAN,最后采用下采样融合时使用的是shortcut操作而不是YOLOV4中的concat操作。PAN代码如下:
class PAN(nn.Module):def __init__(self, planes):super(PAN, self).__init__()self.P3_down = nn.Conv2d(planes,planes,kernel_size=3,stride=2,padding=1)self.P4_down = nn.Conv2d(planes,planes,kernel_size=3,stride=2,padding=1)self.P5_down = nn.Conv2d(planes,planes,kernel_size=3,stride=2,padding=1)self.P6_down = nn.Conv2d(planes,planes,kernel_size=3,stride=2,padding=1)def forward(self, inputs):[P3, P4, P5, P6, P7] = inputsP3_downsample = self.P3_down(P3)P4 = P3_downsample + P4P4_downsample = self.P4_down(P4)P5 = P4_downsample + P5P5_downsample = self.P5_down(P5)P6 = P5_downsample + P6P6_downsample = self.P6_down(P6)P7 = P6_downsample + P7del P3_downsample, P4_downsample, P5_downsample, P6_downsamplereturn [P3, P4, P5, P6, P7]
【目标检测--tricks】FPN和PAN相关推荐
- 目标检测 - Neck的设计 PAN(Path Aggregation Network)
目标检测 - Neck的设计 PAN(Path Aggregation Network) flyfish 目标检测器的构成 1. Input:Image,Patches,ImagePyramid 2. ...
- 目标检测tricks总结(记录)
1. Anchor 可以根据实际任务,修改anchor预设的大小和scale ,也就是说stride + anchor ratio + anchor scales都可以调整,选择不同stride确定了 ...
- 目标检测tricks(基于detectron2)
目标检测tricks(基于detectron2) 正确尝试 裁剪 由于目标相对于整张图片来说过小,所以对数据进行裁剪(除了裁剪尺寸还需要关注重叠尺寸,重叠尺寸稍微大一些,尽量保持每个目标有完整的存在, ...
- 【目标检测】FPN(Feature Pyramid Network)
[目标检测]FPN(Feature Pyramid Network) - 知乎Feature pyramid network是CVPR2017年的一篇文章,它在目标检测中融入了特征金字塔,提高了目标检 ...
- 【目标检测】FPN(Fature Pyramid Network)详解
论文题目:<Feature Pyramid Networks for Object Detection> 论文地址:https://arxiv.org/pdf/1612.03144.pdf ...
- 深度学习目标检测网络FPN tensorflow升3d尝试
初始代码在github上.你只要搜索FPN tensorflow 即可,赞最多的那个便是.目标是想要将其该为3d的FPN.https://github.com/DetectionTeamUCAS/FP ...
- 【目标检测】FPN网络全解
目录:FPN网络详解 一.引言 二.论文概述 2.1 图像金字塔 2.2 为什么需要构造特征金字塔 三.论文详解 四.FPN框架解析 五.为什么FPN能够很好的处理小目标? 六.FPN总结 一.引言 ...
- 目标检测篇-FPN论文精读
1.FPN网络结构 基于feature pyrimid来检测不同scale的object,共有4种思路 (a)使用图像金字塔构建特征金字塔,在每个图像尺度上独立计算的 (b)只使用单一尺度的特征 (c ...
- 学习各种目标检测的FPN(多层次特征融合)
单阶段物体检测算法: 早期的物体检测算法,无论是一步式的,还是两步式的,通常都是在Backbone的最后一个stage(特征图分辨率相同的所有卷积层归类为一个stage)最后一层的特征图,直接外接检测 ...
最新文章
- [转] Adobe Flash Professional CS解决提示:您的内容将不流化。运行时共享库(RSL)预加载要求下载您的所有内容后才可播放第一帧。...
- 从gitee 下载代码到本地
- pr扫光转场插件_2020年最新pr转场特效:300套模板+200集视频教程+插件,送你参考...
- c语言linux下可用函数,[原创]linux下编码转换问题,C语言实现,使用iconv函数族68...
- exe电子书转换txt 下载_网站能经常看到的主流电子书格式
- 详解串行通信协议及其FPGA实现
- 算法笔记---从N个整数中选取K个数平方和最大(加可重复选值)
- C++ 常量引用用法
- CSS 小技巧:如何保留 hover 的状态?
- 如何用ppt做自我介绍
- uCOS事件相关函数代码理解
- 知名爆料者:新款MacBook Air采用类似iMac的多彩设计
- java爬虫抓取nba_利用Python爬虫爬取NBA数据功能实例分享
- 用C++完成QRCode(快速响应码)的基本逻辑实现
- 某某读书搜索__DATA__分析
- 数据结构程序设计——山东省城际铁路建设建设
- 浅谈建筑能耗在线监测系统在天目西路街道103坊27丘项目泰禾大厦的应用—安科瑞 孙斌
- 齐博 php7,齐博cmsv7.0后台getshell
- ROS基础(四)——话题消息的定义与使用
- 150首中国翻唱韩国原歌曲
热门文章
- SQL注入、XSS、XXE、CSRF、SSRF、越权漏洞、文件上传、文件包含总结篇
- 【C++】%d,%05d,%-5d,%.5d的区分
- 剑指offer-python:36.数组中出现次数超过一半的数字
- 计算机更改设置打不开了,更改适配器设置打不开,显示适配器
- 对 Xml 文件的操作
- 网页版MC服务器搭建+汉化
- 计算机表演赛学前组游戏,第十七届计算机表演赛总决赛获奖名单公布
- 百度推广降低成本获得更多优质流量!
- 新松机器人袁_新松机器人有多大成长空间?
- 计算机网络的功能有哪些?